金融安防 | 关联图谱在反欺诈和反洗钱领域的应用实践

关联图谱旨在描述真实世界中存在的各种实体及其关联关系，经过存储、融合、知识识别，运用人工智能算法从海量数据中挖掘实体之间的深层关系。

关联图谱的底层基于图数据库实现。与传统关系型数据库不同，图数据库应用图形理论，采用“点”和“边”存储实体间的关联信息，通过关系的远近和重要程度描述关联紧密度，该设计大幅提升了存储、查询、计算关联网络时的性能和操作便利性，可以模拟人的思考过程去发现、求证、推理。

在关联图谱中，社团发现是较为普及成熟的应用之一，其原理是利用图中蕴含的关联信息挖掘出聚集度较高、异于寻常的群体，最常用的方法有基于标签传播及基于模块度的社团发现等算法。

在社交网络中，人与人之间通过血缘关系、社交活动等建立关联网络。相对在支付收单领域，银联商务关注特约商户之间的关联关系，这种关系可以由商户法人、客户经理、各类联系方式等静态信息构建，也可以通过特约商户与持卡人的动态交易建立关联，这些关联隐含了商户间的地理位置关联、业务合作关系、合谋欺诈行为等，在套现、赌博、薅羊毛等各种非法交易和私自移机转让等风险场景有巨大的应用价值。

关联图谱和支付反欺诈应用结合，一是可以在关联图谱中加入历史积累的风险处置和负面名单信息，查询给定主体自身和其周边商户的历史风险信息，通过统计方法计算出量化的评估数据，来衡量主体的欺诈倾向。二是可以通过社区发现算法从关联图谱中自动发现群聚社区，挖掘欺诈线索。在金融这种社交属性很弱的场景当中，异常聚集往往意味着风险。社区发现算法为团伙欺诈识别提供了基础的理论方法和工具。

1.风险关联评分的业务实现。银联商务在近二十年的风险运营过程中，积累了大量的风险数据，可以基于商户档案静态数据、风险预警信息，结合各有权机关、监管机构和其他第三方提供的数据等构建网络关系图，可衡量商户之间，特别是商户与风险商户之间的关联密切度。

在风险关联评分应用中，银联商务衡量商户与风险商户之间的关联程度主要参考以下要素。

产生关联的方式：重点区分强弱关联关系。强关联包括商户的营业执照、法人身份证、结算账号等信息相同；弱关联包括相同客户经理拓展、同渠道入网等。

关联的距离属性：银联商务风险关联评分应用中主要考量三度以内的关联并赋予不同的权重，三度外的关联因风险指征较弱不纳入计算范围。

节点的风险程度：银联商务根据历史风险事件、风险案例查处结论和措施、风险信息来源的权威性区分主体的风险程度高低。

银联商务风险关联评分如式（1）：

其中，w_j为距离权重，u_i为关联方式权重，B_j为关联商户风险程度。通过该公式计算得出商户的风险关联评分∈[0,∞)。通过历史数据验证和试应用，商户风险发生概率与评分呈正相关性。银联商务在业务应用中按照分值的高低区分为“低风险关联”“中风险关联”和“高风险关联”，制定在商户入网审核、风险案例查处关联分析、信贷审核等不同场景的业务应用策略，如持续观察、现场调查、重点关注、警告关停等。

2.社团欺诈识别应用的业务实现。银联商务社团欺诈识别应用通过交易的参与主体（商户、持卡人）构建动态图谱关联关系。通过运用LPA标签传播算法和Louvain社团发现算法，层层迭代，可以将全辖商户根据动态交易关联，划分为成千上万个社团。这些社团中大部分是因地理位置相近、存在业务合作关系而形成的正常社团，少量为欺诈社团。银联商务社团欺诈识别应用的核心在于设计一套科学、有效的算法，快速、精确地完成欺诈社团定位，从而实现自动化的风险侦测应用。

银联商务社团欺诈识别算法的核心由技术指标和业务指标构成。

技术指标：指通过评估社团紧密度和关联密度分布衡量社团性质的各类指标，泛化性高，适用于各类场景。在支付欺诈风险中，风险行为通常表现出“集中度高、离散度低”“有序性高、一致性强”的特征，与人类社会活动中每个人的行为具有独立性、不可预测性的自然规律形成强烈对比。银联商务基于上述原理自主研发反欺诈场景下的“拟合优度检验”算法和“交易轨迹检测”算法，通过测算边缘权重分布与自然分布的差异，以及社群内行为轨迹的相似度，再结合社团内外连接紧密度等指标，判断社团是否存在数据异常分布和欺诈概率，拟合优度检验如式（2），交易轨迹检测如式（3）所示。

业务指标：指通过专家经验提炼，按照欺诈场景区分设计、用来评估社团风险程度的各类指标，具备很强的针对性。银联商务运用近二十年风险运营过程中积累的丰富经验，针对团伙套现、赌博等非法交易场景，分别提炼团伙信用卡交易规模、信用卡分拆交易比例、团伙夜间交易比例、团伙赌博常用金额比例等业务指标，判断异常团伙的风险特征，实现团伙欺诈的识别和风险案例的定向派发。

综上，银联商务形成了完整的社团欺诈识别方案，通过系统整合图谱构建、社团发现算法、社团欺诈识别算法、社团案例查处功能，已投产应用于团伙套现、团伙欺诈申请等场景的全流程自动化应用。

在开发平台方面，项目推动并落地了基于大数据、机器学习和关联图谱技术的关联图谱平台，该平台将所有的操作步骤封装为算子，业务人员只需在页面上拖拉拽可视化算子，并且只用将这些算子按照业务上的逻辑顺序，连接起来，即可完成关联图谱技术在支付反欺诈和反洗钱上的建模任务，而无需关注数据的传递和算法的具体实现。关联图谱平台架构如图所示。

图  关联图谱平台架构

项目将关联图谱技术引入支付反欺诈和反洗钱领域，并自研社团欺诈自动识别算法，定位可疑社团。此外，项目构建了关联图谱平台，对关联图谱算法做了高度封装，并整合大数据技术，为业务人员提供了高效的开发平台。同时，还形成了基于关联图谱、大数据和机器学习的若干风控场景运行流程标准，方便业务人员能够快速上手，加速相似场景的开发需求落地，从而提升了业务横向扩展能力。

实现关联图谱在支付反欺诈和反洗钱领域的应用，弥补了银联商务对于群体性欺诈防控能力的缺失。该技术的应用促进了套现、赌博、非法集资、薅羊毛等风险场景识别能力的提升，截至2021年底共发现397个可疑社团，为公司避免了数千万的损失，且大幅提高了风险调查工作中关联排查的效率，贯彻了中共十九大“健全金融监管体系，守住不发生系统性金融风险的底线”的精神。

（栏目编辑：张丽霞）