发帖
雷达卡
关系网络在反欺诈中最常见的应用即为团伙欺诈识别。在进行贷款申请的时候，团伙欺诈分子往往会使用一些共同的信息，比如说联系人信息重合度较高、使用相同地址等等。在关系网络中，一个正常的个体往往是一个独立的节点，或者与一两个其他节点组成一个团体。而当出现了多个关系密切的节点时，就需要引起重视了。比如在反欺诈的图数据库中，团伙欺诈的关系有以下特殊：
单独看个体很难发现异常，但当视角扩大到网络后，会有新的发现，本着最小化成本的原则，团伙作案通常会共享一部分信息或共享几台设备。目前这种是比较高明的的团伙欺诈，最危险的图形。黑产团伙多会在社区里多次频繁更换信息。最开始的时候会用到两到三次信息，接着再继续更换信息。目前这种特殊社区，因为还没有统一的标准名称，我们统一称为特殊社区。一般不具有关系图库的话，根本没有办法发现这是一个社区团伙。作为这一步欺诈团伙欺诈分析后，紧接着我们需要上线的策略也有以下类型：
比如在以上的关联度计算中，我们还可以拆分为：
a.用户总计关联度计算
b.用户设备指纹关联度计算
c.用户基本信息关联度计算
d.用户通讯录关联度计算
......
以上各个策略的计算逻辑是什么？做好了相关的变量之后，策略的阈值又该如何设置？在做图数据库的相关计算中，又可以分为哪些类型，本次我们在即将开播的关系网络专题课中，继续为大家带来这样一节一天的干货课程。
本次专题课我们用到OrientDB为大家进行实操演示，并且此次通过云端数据库即可实操这一内容，省去了本地安装部署的繁琐步骤：
关于关系网络染色的过程，我们在这一次的关系网络实操专题课中更会重点介绍。本次专题内容，不仅仅是关系网络理论知识的讲解，我们还将从理论+实操案例的角度，为各位童鞋深度剖析关系网络实操落地。对本课程感兴趣，可以点击底部左下角【阅读原文】了解：
另外：本文所提及的相关数据案例，各位童鞋也可到番茄风控大数据下载相关excel学习了解：
原创文章
...
end
京公网安备 11010802022788号
