擔任一家金融科技平臺風控總監起，趙誠（化名）每天都要與黑中介作斗爭。

　　所謂黑中介，最初是幫借款人美化個人財務數據以幫助借款人順利獲得消費貸款，從中抽取提成。但在金融科技的驅動下，越來越多“高技術、高水準、高欺詐能力”的黑中介迅速出現，他們要么通過電腦程序不斷“試錯”，尋找各家消費金融平臺風控漏洞；要么虛構大量借款人材料（如年齡、收入、銀行流水等）開展批量貸款騙取大量資金；要么誘導消費者及偏遠地區群體借款。

　　“收入逾千萬元的黑中介越來越多?！彼嬖V記者。與此對應的是，金融科技平臺壞賬率隨之水漲船高。

　　多位金融科技平臺人士透露，當前金融科技領域壞賬率約在10%-15%，其中60%-70%的壞賬就是由黑中介“創造”；甚至多家金融科技平臺借款申請人里，10%-15%都由黑中介“幕后操縱”。

　　面對黑中介欺詐風險的沖擊，各家金融科技平臺紛紛引入不同范疇大數據強化自身風控模型。

　　“這其實是一場持久戰，當平臺不斷調整風控模型參數，黑中介也在不斷試錯尋找平臺風控漏洞?！壁w誠直言。

　　層出不窮的騙貸手法

　　起初，趙誠認為黑中介“不難對付”。

　　“他們無非是包裝借款人身份與財務數據（比如虛構穩定收入、良好信用卡還款記錄、房產資料與公積金繳納數據等），組團騙貸?！彼嘎?。此外，為了規避金融科技平臺對申請人通訊行為的審查，黑中介會提前半年以上“養”著成千上萬個手機號（俗稱“養號”），刻意保持這些手機號每日正常的通話記錄、聯系人等信息，以便用這批手機號騙取金融科技平臺貸款。

　　針對部分金融科技平臺要求申請人授權爬取郵箱的信用卡賬單“敲定”貸款金額，部分技術水準較高的黑中介則利用軟件技術修改郵箱里信用卡賬單的額度，從而騙取更高的貸款金額。

　　“目前，多數金融科技平臺的風控技術已能破解這些騙貸招數?！壁w誠透露。但令他驚訝的是，與金融科技平臺風控水準持續提升“同步成長”的，還有黑中介的“騙貸技術”。

　　過去兩年他幾乎每天都會發現黑中介通過電腦不斷試錯，企圖尋找平臺風控漏洞。其中最常見的是，不少黑中介通過部分IP地址不斷發來借款申請——每次借款人的收入、年齡、婚姻狀況、工作等各有細微不同，以此不斷“試錯”摸出平臺的風控側重點或漏洞，再抓住機會批量借款騙取大量資金。

　　為了有效遏制黑中介“試錯”行為，如今越來越多金融科技平臺紛紛整合大量第三方數據，深入挖掘借款人征信機構評分、信貸數據、消費數據、互聯網痕跡數據、公安部數據、運營商數據、法院數據等信息生成數萬個風險變量，并且不定期變更風控策略，令黑中介難以掌握全部數萬個風險變量及其風控變量組合排列方式，大大提升黑中介攻破平臺風控體系的難度。

　　一位熟悉黑中介騙貸模式的金融科技平臺負責人透露，一鍵試錯行為漸行漸難，部分黑中介又開啟新的騙貸方式。他們從偏遠地區（尤以不發達地區為重）挖掘“白戶”人群，以微薄好處誘導這些“白戶”人群完成消費金融平臺的注冊、實名認證過程，再通過繳存社保公積金、人為制造銀行流水、完善征信記錄等手段，對多個平臺進行高額度的騙貸，待貸款到手，各自分成后跑路。

　　更有甚者，部分黑中介開始嘗試聯合消費金融場景服務方騙貸。比如黑中介先與商家勾結，要么通過簽訂假合同幫助急需現金的借款人貸款；要么誘導消費者申請消費分期/貸款以支付相關費用，一旦貸款到手，馬上跑路。其結果是越來越多消費者“被貸款”，且不少借款人根本對貸款“不知情”，導致平臺還款逾期率與壞賬率雙雙增加。

　　這位金融科技平臺負責人透露，當前黑中介勾結商戶騙貸行為主要出現在培訓、租房、醫美、3C數碼消費等特定消費場景。目前，多數互金平臺對此的風控策略，主要是建立合作商戶白名單，精選合規操作、市場品牌口碑較高的商戶開展消費貸款業務。 “不過，這些做法治標不治本，因為你永遠不知道黑中介還會使用哪些新的騙貸方法，只能被動迎戰，無法做到一勞永逸地遏制黑中介生存空間?！壁w誠直言。

　　大數據反欺詐征途漫漫

　　在趙誠看來，面對黑中介層出不窮的騙貸方法，金融科技平臺最佳的應對措施，仍是整合不同范疇數據還原借款人真實的信用狀況，令黑中介各類騙貸手法“無從遁形”。

　　記者多方了解到，因此越來越多金融科技平臺雙管齊下，一是不定期變更風控模型參數，以此持續提高風控模型安全性；二是建立黑名單制度，即通過互聯網抓取黑中介各類信息，其中包括黑中介在互聯網借貸平臺留下的手機號碼等，再根據黑中介電話號碼、地址、姓名等因素形成一個數據收集網絡，若借款人與這些黑中介有過電話記錄，則自動將其放入黑名單，屏蔽其借款申請。

　　“不過，這種做法也存在雙刃劍效應，因為它會讓金融科技平臺丟失不少存在真實貸款需求、且有還款意愿與能力的不知情借款人?！鄙鲜鼋鹑诳萍计脚_負責人向記者透露。因此眾多金融科技平臺紛紛嘗試引入人工智能技術，對借款人做人臉識別、活體檢驗（比對借款人影像是活人還是照片）和銀行卡等四要素驗證。這種做法的好處，一是能有效驗證申請人的身份，防止黑中介偽冒他人身份申請貸款，二是借助微表情等人工智能識別技術捕捉到借款人在面審回答問題環節的細微、異常的神情變化，從而發現黑中介群體潛在的騙貸行為。

　　在信用算力首席風險官劉曉峰看來，要讓海量大數據與這些最新的科技在反欺詐環節發揮更大作用，關鍵還在于做好多維數據勾勒比對與交叉驗證，一是檢驗個人信息多個維度之間的邏輯關系是否合理，二是審查借款人提交的個人信息與外部數據是否一致。以地理位置信息為例，信用算力利用客戶在平臺上的LBS信息進行“安全地區”、“審慎地區”及“高危地區”等精準識別，當客戶自填信息與平臺利用人工智能算法得到的信息存在較大差異時，貸款存在欺詐的可能性較高。

　　“目前，我們還通過‘Fin-Cloud信貸云’系統對每位用戶的每一步行為路徑及軌跡進行加密記錄并保存，利用該數據，結合最先進的深度學習和決策樹算法，如深度神經網絡（DNN）等形成獨有的信號級指標，綜合用戶使用熱度、登錄時間、地點等習慣信息判斷該用戶的欺詐風險，內部測試數據顯示該指標獨立KS達到0.32?！眲苑逯赋?。針對黑中介“養號”的騙貸做法，金融科技平臺可以借助運營商詳單數據，或直接調用外部第三方征信公司所提供的數據服務，通過分析申請人提供的號碼是否存在外賣、房產中介機構、快遞公司等與日常生活相關的呼入電話，從多個維度判斷手機號碼是否屬于“養號”。

　　“此外，針對偽造銀行工資流水，若互金平臺通過第三方數據，查驗借款人所提交的工作信息與第三方機構查驗到的單位地址及借款人密集活動地址是否匹配，工作信息是否真實，也能發現黑中介的蛛絲馬跡?！彼嘎?，圍繞海量不同領域大數據的應用，金融科技平臺還有巨大操作空間持續提升反欺詐能力，比如金融科技平臺通過查看更長時間范疇（通常超過1年）銀行流水數據，從而判斷借款人工資流水造假的可能性。，鑒于多維度數據勾勒比對與交叉驗證的人工智能技術迅猛發展，當前信用算力還在嘗試一種新型的大數據反欺詐模型，即綜合用戶多平臺借貸情況、查詢次數，以及款APP使用熱度、登錄時間、登錄地點、瀏覽行為等使用習慣信息，提升用戶欺詐風險判斷的準確性同時，整合黑名單數據庫與千余家互聯網平臺交互信息，進而建立用戶的灰度分，對灰度分較高的用戶，信用算力將通過算法分析模型進一步精準識別精心包裝善于隱藏的黑中介。

　　“其實，黑中介各類騙貸行為能否得到有效遏制，很大程度取決于平臺自身風控策略是否嚴謹?！眲苑逯赋?。若金融科技平臺從嚴遵循風控標準對“可疑”借款申請處處設防，黑中介自然處境艱難。

　　“比如傳統金融企業會覺得個人收入越高，越是好人；但事實上，若將借款人年齡與收入結合起來，發現某些借款人年齡很小但收入很高，平臺通過大數據比對很快就能發現其中所隱藏的疑點?！彼e例說。

責任編輯：韓希宇