利用关联网络，防控信用卡“养卡套现”

信用卡是最多见金融信贷产品，初衷是为了解决用户提早消费和便捷支付的需求。发卡机构根据申请人的信用资质授予其可使用的信用额度，申请人能够在多个消费场景使用信用卡额度进行便捷的信用支付，而已经使用的额度能够在还款以后从新恢复、再循环使用于更多的消费支付场景。

套现养卡，信用卡常见的违规操做

因为信用卡刚出现的时候，并非全部消费场景都支持刷卡支付，不少场所只接受现金支付，为扩大使用场景、提高用户体验，不少信用卡产品在信用支付的基础上也为用户开通现金取现的服务。一般信用卡的取现额度一般不超过信用额度的30%，透支取现的部分没有免息期、其对应的手续费和利息也比刷卡消费高，借贷成本高、只适用于短时间应急的情形。

相对于额度小规矩多的信用卡取现，信用卡套现最吸引欺诈用户。利用不法商户或刷卡设备制造虚假刷卡消费交易，以少许的手续费把信用额度所有转化为我的的现金。而套现的方式有“他人消费刷本身的卡”，与商家或某些“贷款公司”、“中介公司”合做套现，或者是利用一些网站或公司的服务等套现。除了信用卡套现，还有欺诈用户进行“以卡养卡”。经过消费或者套现等方式使用一部分信用卡的额度，而后在帐单日以后消费（提现）剩余额度，将消费来的钱进行还款，反复操做便可实现完成帐单的还款。并且屡次消费的金额会出如今下一个帐单日上，这样配合套现就能够实现无期限的贷款，每个月只须要支付部分手续费便可。固然，欺诈用户也能够办理多张不一样银行的信用卡，也能实现以上的“以卡养卡”。信用卡的每笔刷卡消费直接反馈刷卡场所、消费内容等具体信息，便于发卡行及时掌握信用卡的资金用途和潜在风险，利于监管部门宏观决策。而养卡、套现等欺诈行为，没法把握资金流向、没法洞悉用户的借贷用途，发卡行要承担的信贷风险也相对较大，而且是违反监管要求的。如去年以来，银保监会屡次发文通知，严控信用卡资金用于投资、房地产交易等。央行《2019年第二季度支付体系运行整体状况》显示，截至二季度末，信用卡和借贷合一卡在用发卡数量共计7.11亿张，环比增加3.04%。银行卡授信总额为16.32万亿元，环比增加3.23%；银行卡应偿信贷余额为7.23万亿元，环比增加3.64%。银行卡卡均授信额度2.29万元，授信使用率为44.31%。信用卡逾期半年未偿信贷总额838.84亿元，占信用卡应偿信贷余额的1.17%，占比较上季度末上升0.02个百分点。

养卡套现不只给银行带来损失，更扰乱金融秩序

养卡套现属于金融欺诈行为，不但与监管机构防止居民杠杆率的过快增加的愿景是相违背的，更会给持卡人带来信用风险和资金损失。主要危害集中如下三方面：首先，信用卡套现增长了金融秩序中的不稳定因素。我国对于金融机构有严格的准入制度，对金融机构资金的流入流出都有一系列严格的规定予以监控。不法分子联合商户经过虚拟POS机刷卡消费等不真实交易，变相从事信用卡取现业务等行为却游离在法律的框架以外，违反了国家关于金融业务特许经营的法律规定，背离了人民银行对现金管理的有关规定，还可能为“洗钱”等不法行为提供便利条件，这无疑给我国总体金融秩序埋下了不稳定因素。另外，大量不良贷款的造成也将破坏社会的诚信环境，阻碍信用卡行业的健康发展。其次，非法提现给发卡银行带来资金损失。绝大多数的信用卡都是无担保的借贷工具，只要持卡人进行消费，银行就必须承担一份还款风险。在一般状况下，银行经过高额的透支利息或取现费用来防范透支风险。但是，信用卡套现的行为偏偏规避了银行所设定的高额取现费用，越过了银行的防范门槛。特别是一些贷款中介帮助持卡人伪造身份材料，不断提高信用卡额度，银行的正常业务受到巨大的干扰，也带来了巨大的风险隐患。因为大量的套现资金，持卡人无异于得到了一笔笔无息无担保的我的贷款。而发卡银行又没法获悉这些资金用途，难以进行有效地鉴别与跟踪，信用卡的信用风险形态实际上已经演变为投资或投机的信用风险。一旦持卡人没法偿还套现金额，银行损失的不只仅是贷款利息，还多是一大笔的资产。第三，信用卡套现行为给持卡人带来极大的信用风险。表面上，持卡人经过套现得到了现金，减小了利息支出，但实质上，持卡人终究是须要还款的，若是持卡人不能按时还款，就必须负担比透支利息还要高的逾期还款利息，并且可能形成不良的信用记录，之后再向银行借贷资金就会很是困难，甚至还要承担我的信用缺失的法律风险。

防控养卡套现的传统手段与新挑战

针对养卡套现的识别，传统的防控手段主要经过基于规则和基于模型的方法。基于规则的方法：针对单个用户的交易行为和用户信息，根据经验阈值为右变量生成规则，再经过逻辑运算符链接成策略。基于模型的方法：抽取一批被打标的黑白帐户做为样本，从这些帐户的我的信息和交易行为提取并衍生特征，而后根据样本的标签和特征训练分类模型，如LR、GBDT和神经网络模型等，最后将基于历史数据训练的分类模型应用于新的非打标帐户，判断新帐户是养卡套现的几率。传统反养卡套现的手段主要基于个体用户的防控，而如今的信用卡欺诈更加复杂多变，不只时间和交易跨度长，还具备团伙性、隐蔽性的特色，这就给金融机构反欺诈带来诸多新挑战。一、养卡套现每每具备必定的团伙性，如提供养卡套现服务的不法商家使用相同的手机号申请多个信用卡，或者拥有多个POS机进行虚假交易等；传统的反养卡套现手段仅仅止于确认某个帐户是不是养卡套现，而且只有在某个信用卡发生逾期时，才可能会去追查与之交易的POS机。二、针对单用户的反养卡套现方法每每须要单用户必定时间跨度和必定笔数的交易信息，若是时间跨度较短或者交易笔数过少，就没法命中规则或者衍生特征；传统的反养卡套现手段很难在欺诈的初期就能发现风险，等到可以确认风险时，已经进行了多笔交易，此时损失已经造成。三、进行养卡套现的欺诈用户会经过各类手段隐藏本身的欺诈行为，并将经验分享给他人（如，调整虚假交易的策略，以低于某个金额阈值进行小额套现等），由此吸引更多人加入养卡套现阵营；传统的反养卡套现手段的识别基于已发生的风险，策略规则沉淀相对滞后，风控更迭速度慢，所以不能及时有效防控。

如何利用关联网络有效防控信用卡欺诈

防控信用卡套现要从多方着手，除增强信用卡发放、审核、后期维护的管理，规范信用卡营销考核机制，强化对特约商户和第三方支付服务商的监管外，更须要增强客户交易的管理。一、基于POS机与信用卡的交易关系，身份证与手机号的绑定关系、信用卡交易网络中信用卡的一度、二度甚至三度关系等数据构创建体的关联网络，为金融机构提供了及时、快速的科学决策依据。二、及时发现潜在和未知风险。一旦发现某个节点（如：手机号、身份证、信用卡、POS机等）存在风险，或肯定是养卡套现，那么全部与它有关系的节点均可能存在传播风险。关联网络快速定位可疑交易和欺诈行为，帮助金融机构将风险控制在初期。三、大幅增长养卡套现的成本，让欺诈用户知难而退。若是欺诈用户想彻底隐藏本身的欺诈行为，申请信用卡时须要用不一样的手机号，使用不一样信用卡套现时，也必须用不一样的POS机，这样养卡的成本可能会超过养卡套现的收益，彻底得不偿失。关联网络防控信用卡养卡套现的主要步骤以下：首先，基于申请信息和POS机等交易设备信息，创建信用卡的关联网络。其中，付款节点能够是信用卡帐户号、信用卡卡号和身份证等类型中的一种，收款节点能够是POS机ID和商户号等。其次，经过节点度分析，对节点度较高的节点作过滤处理，对一些太小的交易作过滤处理。第三，计算节点的风险值，并对已知的套现节点进行标注。第四，经过迭代算法，将风险值在网络中进行有效的传播，挖掘出更多潜在信用卡帐号。第五，将结果反馈给业务部门，对风险值最大的信用卡帐号进行确认。借助关联网络，某银行挖掘出数千张存在风险交易的信用卡。对排名一千的高风险信用卡逐一排查发现，其中约80%被确认为套现用户。被金融机构忽视的自有数据

上个月，监管部门针对非法爬取用户数据的公司进行了整顿。受此影响，多个严重依赖三方数据进行贷前准入、风控审批和额度计算的金融机构，紧急调整风控流程，部分甚至叫停了信用卡和线上信贷业务。

此外，更多的金融机构和金融科技企业开始审查资深的业务和产品，是否涉及非法爬取、源头不明的三方数据支持，并开始思考如何加强风控体系的韧性以应对市场变化、持续支持业务发展。

其实大部分拥有线上业务的金融机构，在相关业务开展了必定时间段后，会积累大量的用户申请数据、产品运营数据和交易行为数据。而这些数据在绝大多数的金融机构，除了被汇总在一些粗颗粒的业务现状统计报表中，却大部分散落在各个相互割裂的系统中无人问津，不但其蕴藏的巨大价值没有被充分挖掘和利用，更是一种极大的浪费。

IDC今年春天发布的一项白皮书披露，2018年国内产生了大约7.6ZB的数据，预计到2025年这一数字将增至48.6ZB。但其中只有2.5%的数据获得了分析和利用，97.5%的数据依旧在沉睡中。

关联网络能够彻底使用金融机构自有数据，利用图计算、传统机器学习算法乃至前沿深度学习模型，挖掘关联网络中的风险点。它经过金融机构内部客群特征、业务数据、交易信息、核心征信、合规数据等海量数据等“数据金山”的充分挖掘，基于对金融机构具体业务场景、业务逻辑、产品流程、客群特征、风险特色的深度理解，科学构建“有内涵、可外延”的复杂关联网络。再经过应用图数据挖掘、无监督算法、半监督算法、有监督算法等多角度充分挖掘，进而结合应用场景、实际操做人员的具体需求直观而智能的在运营和监测平台呈现最有效信息，从而为多个行业和场景提供反欺诈、精准营销、精细化运营等应用服务，助力业务创新与增加。