一、反欺诈图谱基础
1.1 什么是反欺诈图谱
反欺诈图谱（Anti-Fraud Knowledge Graph）是一种基于图结构的风控技术体系，将用户、设备、IP、手机号、银行卡、地址等实体抽象为节点，将注册、登录、交易、绑卡等行为抽象为边，通过图数据库或图计算引擎存储并分析实体间的多跳关联关系，从而发现隐藏的欺诈团伙、设备农场、养号网络和资金洗钱链路。
与传统的单点特征或规则列表不同，反欺诈图谱天然具备关系推理和群体挖掘能力，能够回答“A和B之间是否存在异常路径”、“哪些节点构成了一个紧密的欺诈子图”等复杂问题。
核心定义：反欺诈图谱 = 实体节点 + 关系边 + 图算法 + 阈值体系，四者缺一不可。
1.2 图谱在风控中的核心价值
反欺诈图谱在风控体系中承担着“关系雷达”和“团伙显微镜”的角色，其核心价值体现在以下四个维度：
| 价值维度 | 具体说明 | 典型场景 |
|---|---|---|
| 关联穿透 | 突破单点特征局限，通过1~N跳关系发现隐蔽关联 | 同一设备关联多个账号、同一IP关联大量注册 |
| 团伙识别 | 利用社区发现算法（如Louvain、标签传播）自动划分欺诈团伙 | 羊毛党团伙、刷单军团、色情引流群组 |
| 路径挖掘 | 分析资金流、信息流、设备流的异常传导路径 | 洗钱链路追踪、盗号资金转移路径 |
| 实时决策 | 在毫秒级图查询中完成风险评分，支持在线拦截 | 实时交易拦截、登录风险判定 |
经验提示：图谱在风控中的最大优势不是“特征多”，而是“关系深”。一个三度关联的异常设备，往往比100个单点规则更致命。
1.3 图谱与规则引擎的区别
规则引擎和图谱是风控体系中两种互补但本质不同的技术路线。下表从多个维度进行对比：
| 对比维度 | 规则引擎 | 反欺诈图谱 |
|---|---|---|
| 数据模型 | 扁平特征表（key-value） | 图结构（节点-边-属性） |
| 推理能力 | 单点条件判断（if-then-else） | 多跳关系推理（路径、社区、子图） |
| 团伙检测 | 难以直接发现，需人工组合特征 | 天然支持，图算法自动聚类 |
| 实时性 | 微秒级，适合高并发 | 毫秒~百毫秒级，依赖图库性能 |
| 维护成本 | 规则膨胀后维护困难 | 图谱结构稳定，阈值调优是关键 |
| 对抗能力 | 容易被针对性绕过 | 关系维度对抗成本高 |
常见误区：不要试图用规则引擎模拟图谱的关系推理能力，也不要用图谱替代规则引擎的高频实时决策。最佳实践是“规则引擎做第一道快速过滤，图谱做第二道深度关系分析”。
1.4 反欺诈图谱基础架构
一个完整的反欺诈图谱系统通常包含以下核心模块：数据接入层、图存储层、图计算层、阈值调优层和决策输出层。下图展示了各模块之间的协作关系：
1.5 图谱中的关键实体与关系
在实际反欺诈场景中，图谱的节点类型和关系类型需要根据业务进行设计。以下是通用的实体-关系模型：
- 核心实体：用户账号、设备指纹、IP地址、手机号、银行卡、身份证号、邮箱、地址
- 行为关系：注册（账号→手机号）、登录（账号→设备）、交易（账号→银行卡）、绑卡（账号→银行卡）
- 归属关系：设备归属（设备→IP）、号码归属（手机号→运营商）、地址归属（地址→地理区域）
- 衍生关系：同设备关联、同IP关联、同手机号关联、资金流转