“互联网金融反诈联盟”正式成立“一家互联网金融企业被黑产盯住，他们通过一些测试后摸索到互金企业的风控规则，最终在十个小时的攻击下，造成了1.2亿的坏账，带来巨大损失”，黑瞳科技联合创始人兼董事时维在黑瞳科技成果发布会上表示，互联网欺诈现在已经变得非常专业化和产业化，欺诈团伙有专门的设备、专门的团队，专人写方案，专人销赃，形成完整产业链，各个环节分工明确，给互联网金融行业造成了巨大的损失和挑战。
根据2017年度国民经济和社会发展统计通报，中国网络犯罪导致的损失占GDP的0.63%，一年损失金额高达人民币4000多亿元。
“4000亿损失了谁买单？全社会在买单。这是一个特别让人心痛的数字。”时维认为，虽然表面上第一道损失是互联网金融的从业者或者企业买单，但是为了弥补这部分损失，企业就要提高资金服务的价格，相对应的资金需求者就要为此付出更高的利息、更高的资金成本。欺诈造成的损失，是全社会在买单。
实际上，目前市面上提供反欺诈服务的企业大致可分为几大流派：数据流、规则流、技术流、平台流，但真正能够落地智能反欺诈以应对新型欺诈问题的却寥寥无几。
“中国作为发展中的国家，信息体系较为缺乏，数据质量有时候很难有保障，这是一个非常大的痛点。” 卡内基梅隆大学教授、美国Acorns公司首席数据科学家种骥科先生认为，因为整个体系不完整，所以欺诈成本相对较低。第三方骗贷、个人提供假信息的情况非常严重。从团伙作案的角度来说，正式由于因为这些防控技术现在还不完善，所以经常有一些中介机构帮助个人客户成功获得一些金融服务机构的授信，也恰恰是这些中介机构，没有相应评分机制的约束，又转身变成了欺诈团伙的一部分。
相比之下，欧美国家的信用记录收录情况非常全面。比如美国的FICO评分，已经有86%居民的信用记录都收录在册。如果一个人的FICO评分好，金融机构就有可能通过个人的历史数据，在非面对面情况下辨别申请人真实的身份。这样的大数据体系其实也是多年积累下来的成果。比如，美国的金融机构如果要申报信用记录，必须通过非常严格的METRO2申报标准，已经申报上去的数据也是有非常成熟的体系，让每个人都能查询和更正信用记录。
然而，即使有严谨的信用体系，居心叵测者依然能够找到漏洞。这其中就有一个重灾区——亲友欺诈。最熟悉一个普通申请人的就是他的亲友，亲友能够依靠对申请人的熟悉程度，突破大数据风控体系内的相应信息，完成在非面对面情况下的欺诈行为。
海外的互联网金融机构已经对这种欺诈提起了重视。举例来说，Paypal是典型的半监督模式。2016年，Paypal运用了六层深度神经网，每层600个节点，进行大规模半监督式的机器学习。通过这种方式，Paypal能在反欺诈专家席位有限的场景下很快认定边缘案例，并把被认定为欺诈的案例反馈给模型，这种方法已经有效提升了很多模型的性能。最近几年，这样的体系已经被亚马逊公司完善到可以在多个领域的体系内适用。
Danske Bank（一家北欧银行）宣称，最新的技术已经比用规则引擎技术的识别度提升了十倍到一百倍。他们的做法是用已经设计好的反欺诈特征组成像素亮点，再进一步应用传统中深度神经网技术。
国内相关行业的发展还处于尝试阶段。黑瞳科技为解决传统反欺诈手段受制于数据维度单一、技术滞后于新型欺诈手段、无法应对多样化场景三大痛点，联合权威机构，以及业内多家知名企业，发起成立了“互联网金融反诈联盟”。 时维在谈到反欺诈理念时说道，“反欺诈这件事情不是一个点、一个企业能解决的，它需要全社会参与。任何在数据、技术、规则等方面的单点突破，都无法真正解决日益猖獗的欺诈难题。”
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
