1. 反欺诈概述：欺诈的定义与类型、行业现状与评分接口核心价值
1.1 欺诈的定义与核心类型
欺诈（Fraud）是指以非法占有为目的，通过虚构事实或隐瞒真相的手段，骗取他人财物、权益或信息的行为。在数字金融与电商场景下，欺诈行为已从单点作案演变为有组织、技术化的黑产攻击。
| 欺诈类型 | 典型场景 | 攻击特征 |
|---|---|---|
| 账户盗用 | 撞库、短信劫持、密码暴力破解 | 登录IP异常、设备指纹突变、短时间内高频尝试 |
| 身份伪造 | 冒用他人身份证注册、AI换脸认证 | 人脸活体分数低、证件照与自拍比对不一致 |
| 交易欺诈 | 盗刷信用卡、虚假退款、三方支付套现 | 交易金额异常、收货地址与IP归属地跨省 |
| 信贷欺诈 | 包装资料骗贷、多头借贷、团伙撸贷 | 联系人重合度高、设备关联多笔申请、收入证明PS痕迹 |
| 营销欺诈 | 刷单、薅羊毛、虚假拉新 | 同一设备批量注册、优惠券使用时间高度集中 |
关键认知： 欺诈的本质是“信息不对称”的恶意利用。反欺诈的核心任务就是通过多维数据还原用户真实行为画像，打破黑产的信息优势。
1.2 反欺诈行业现状与挑战
当前反欺诈行业面临三大结构性矛盾：
- 黑产技术升级快： 从早期简单代理IP，发展到群控设备、模拟器、深度伪造（Deepfake）、自动化脚本框架（如Selenium/Appium），攻击工具化程度极高。
- 数据孤岛严重： 单一平台只能看到用户在本生态内的行为，无法感知跨平台关联风险；黑产却通过“猫池”和“接码平台”实现跨平台批量操作。
- 业务与安全的平衡难： 过度拦截会误伤正常用户，导致转化率下降；放松拦截则直接产生资金损失。行业平均误杀率每降低1%，往往对应数千万的营收影响。
行业数据参考： 据2024年《全球反欺诈报告》，数字欺诈造成的年损失已超过480亿美元，其中信贷欺诈和账户盗用占比超过60%。国内黑产从业人员规模预估超过500万，头部黑产团伙年流水可达亿元级别。
1.3 反欺诈评分接口的核心价值
反欺诈评分接口（Anti-Fraud Scoring API）是将风控模型能力封装为标准HTTP服务，业务系统通过传入用户/设备/交易特征，实时获取一个风险评分（通常为0~100分）及对应的风险标签。其核心价值体现在以下四个维度：
- 实时决策： 接口响应时间控制在200ms以内，支持交易、注册、登录等核心环节的毫秒级拦截。
- 标准化接入： 统一输入输出协议（JSON/Protobuf），降低业务方对接成本，支持多语言SDK。
- 模型持续迭代： 评分接口背后的模型可独立更新，业务方无需修改代码即可享受最新风控能力。
- 团伙识别联动： 单点评分结合图数据库，输出“该用户是否属于已知欺诈团伙”的关联标签。
常见误区： 评分接口不是“万能钥匙”。如果输入特征质量差（如缺失设备指纹、IP字段为空），再好的模型也无法输出准确分数。数据治理是评分接口有效性的前提。
1.4 反欺诈评分接口架构总览
下图展示了反欺诈评分接口从数据接入到风险输出的完整链路，包含特征工程、模型推理、团伙识别三大核心模块。
1.5 欺诈团伙的典型关联模式
团伙欺诈是当前损失最严重的欺诈形式。与单人欺诈不同，团伙成员之间存在设备、IP、手机号、收货地址等维度的强关联。下图展示了黑产团伙在风控视角下的典型关联图谱：