|
五、常见两大欺诈场景 1. 不良中介欺诈 分享两个普遍案例，一个是不良中介的欺诈，这里主要包含好几个场景。 第一种情况：这个客户，就是没有车的，想买新车或二手车。但是，他不知道去哪申请贷款，然后通过网络渠道找到了中介，这个中介，就想坑他一笔钱。 本来客户资质只够买个5到10万的车，但是中介觉得这样没有钱赚，就帮他美化资料，买了20万的车。这样就导致这个客户本来只有能力还5万到10万的车的贷款，但20万的车的负债却超出了还款能力范围，产生不良。 第二种情况：依然是没有车的客户，也没贷款资质，但是他想要钱，找到这个中介。中介帮忙资料造假后把那个车贷款骗下来，然后这个车中介把车拿去黑市变现之后，分部分的钱给到这个客户，剩下大部分的钱的话就装到自己的口袋，这个客户也不可能还款了。 第三种场景：这个车主，他有车，找到这个中介把车价估高，想抵押贷款额度可以做的更高，他这个车本来只值10万块钱，他想要个9万，但是正常的一个抵押流程可能只能放个5、6万； 中介勾结内部员工做高车辆的评估价，获取更高的贷款金额，然后由于贷款金额基本可以覆盖汽车折旧后价格，导致车主后续就不想要车，拒绝还贷了。 2. 经销商欺诈 这个主要是一个内外勾结或者就是经销商自行欺诈的一个问题。经销商库存太多了，车子首付大多客户付不起，所以经销商为了将车卖出去，找一些想要车或者做低首付广告吸引一些客户过来，然后通过虚开发票价格，做高车价拿到更多的贷款，实现客户买得起车。 经销商把库存清理了，而这些客户还不还得起钱就不是经销商要考虑的事情了。 六、欺诈场景信息造假方式 这个是互联网金融常见的欺诈手段，包括假冒真实用户的活体识别破解手段，假冒真实用户的身份证信息、银行卡信息（黑产或收购回来的），伪装新用户的改机工具（通过IMEI/IMSI/手机型号/MAC地址/GPS等），模拟真实用户使用手机的行为。 在汽车金融场景，主要是团伙欺诈针对线上的行为所作出的应对手法。 很多的汽车相关的贷款产品都需要车主或者这个卖车的车主，提供相关的资质证明包括流水证明，工作证明或者收入等，这些造假非常简单，包括挂靠电话，造假收入证明，挂靠社保及代发流水或工资流水等，造假水电费可以通过去小区楼下的邮箱拿那些用户的费单即可。 对于一些大额的车贷诈骗，中介通过把其拥有的高价车临时过户给客户，造成客户资质非常良好，客户骗贷完成后，再把车转回给中介。 七、反欺诈数据维度探讨 这个四象限图是为了区分技术及基础要素与垂直场景下的数据维度的造假成本及造假难易度。 例如驾驶证数据，高速数据，违章数据，车辆数据等，都是权威的同时难篡改，造假成本很高。那些设备数据、工作流水、工作证明等数据，都相对容易修改，造假边际成本也不高。 八、汽车金融有效风控等式 这里提出一个概念：有效风控。有效风控需要有明确的垂直场景，加上国有数据及传统的反欺诈手段，这样能够更好的实现风控。 这里用汽车金融举例，汽车相关的金融场景，类似新车金融、二手车金融、车抵贷、车辆融资租赁及网约车金融等。虽然这些金融场景的风控其实比较难做，但这其中的欺诈占比其实比无场景金融都少的多。 而国有数据指的是记录在各个部委里的数据，例如车辆配置相关的数据在工信部，车辆证件及车辆过户抵押等数据记录在车管所，社保数据在社保局，公积金数据在公积金局等等，这些部委不会串改相关数据，比市场上大部分通过采购或自有场景产生的数据相对更权威。 因此使用过程，无论是覆盖面、准确性、时效性等都是比较优质的，合规性就更有保障了。 而传统的技术手段，包括设备指纹、关联图谱、复杂网络等技术能力其实是很好的团伙欺诈识别，机器人操作识别的防范工作。 场景+技术+国有数据=有效风控——汽车场景+技术+汽车相关国有数据=汽车金融有效风控。 九、新车及二手部分风控场景要点分享 猎人在这里主要针对新车及二手部分车风控场景及应对点做最后的分享总结。针对新车场景分购车与租车场景，而购车场景分有意购车及无意购车。 有意购车主要有5大风险点 （1）通过中介、经销商或自行包装资质 针对挂靠工作单位，风控需要识别公司经营是否正常、公司单位及职位是否高危类、申请的单位相关用户是否过多及通过GPS等位置数据判断用户工作地址与填写公司单位是否一致等。针对刷流水的行为：主要看是否有代付工资字样、查看资金流入流出异常情况及工作性质与流水匹配情况等。针对收入证明真实性问题：识别印章真实性比较难，所以可以通过收入水平与同行业相关岗位是否匹配及与工作年限及经验是否匹配侧面判断。针对有担保的客群：可以通过工商和财务及担保调研等途径识别担保用户或企业的担保能力是否充足，是否已经超过其担保能力范围。经销商为无支付首付能力的人开高发票价。针对这个情况：可以通过车辆档案或配置数据获取车辆出厂销售价，与市场同类车型销售价对比发票真实性。（2）负债过高的风险 这个风险主要看2块，一个是多头借贷情况、另一个是有无担保过渡的行为。其中多头借贷的接口还相对比较丰富，但担保的查询接口比较稀缺。 （3）信用不良的风险 通过查询央行征信、互联网金融信用及公开的法院诉讼及被执行情况，公安对外的不良名单接口识别信用不良的风险。 （4）贷后用户其他风险识别 贷后需要观察短期及长期的年检到期续期情况、是否出现多头借贷及逾期情况、有无车辆抵押风险、用户违章长期不处理是什么原因等。这些都是坏账发生前的征兆。 无意购车可以关注3大风险点 （1）通过中介、经销商或自行包装资质 针对挂靠工作单位，风控需要识别公司经营是否正常、公司单位及职位是否高危类、申请的单位相关用户是否过多及通过GPS等位置数据判断用户工作地址与填写公司单位是否一致等。针对刷流水的行为：主要看是否有代付工资字样、查看资金流入流出异常情况及工作性质与流水匹配情况等。针对收入证明真实性问题：识别印章真实性比较难，所以可以通过收入水平与同行业相关岗位是否匹配及与工作年限及经验是否匹配侧面判断。针对有担保的客群：可以通过工商和财务及担保调研等途径识别担保用户或企业的担保能力是否充足，是否已经超过其担保能力范围。（2）贷后车权即刻转让识别 识别一个月内的是否有过户操作、一个月内是否有做过抵押。一般有这样情况出现都大概率代表这个用户有欺诈行为。 （3）贷后用户其他风险识别 监控每年年检到期续期情况、有无新增多头借贷及逾期情况。预防客户资质变差导致的坏账。 在租车环节，分直租与回租场景。 直租场景主要关注三大风险 信用风险：可以通过公检法相关接口名单获取、通过手机APP黄赌毒安装使用情况监控及是否有多头借贷及逾期情况；用途风险：对常出没违章风险区域监控、例如是否租车去跑黑车、租车是否拿去载货、租车是否在一些高危风险地带经常出没，例如赌博、酒吧等；骗车风险：通过常出行轨迹识别是否频繁出没于偏远地区，判断骗车概率。 回租场景关注4大风险 信用风险：通过公检法名单、手机APP黄赌毒类监控、多头借贷及逾期情况查询信用风险。骗车风险：对常出没违章风险区域监控、例如是否租车去跑黑车、租车是否拿去载货、租车是否在一些高危风险地带经常出没，例如赌博、酒吧等。车辆性质风险：识别是否事故车、套牌车、租赁车及查封车等身份真实性识别：例如车主身份是否虚假及车辆相关材料真实性。 二手车分为押证（抵押）及押车（质押） 押证分为5大风险： 车主身份真实性风险：例如车主身份是否虚假及车辆相关材料真实性；职业风险：判断车主是否属于高危及敏感职位。高危及敏感行业容易导致坏账也无法顺利把车收回来。信用风险：通过公检法名单、手机APP黄赌毒类监控、多头借贷及逾期情况查询信用风险。车辆性质风险：事故车、套牌车、租赁车、查封车、无年检车、公司车、担保车、二手车等GPS风险：GPS拆卸风险、轨迹异常、断电风险、GPS离线及长时间停留预警等。押车关注2大风险： 车辆性质风险：事故车、套牌车、租赁车、查封车、无年检车、公司车、担保车、二手车等。GPS状态情况：实现围栏预警及位移预警等。 |
|
|
