项目背景
数字化让金融更具有技术性、规模性隐蔽性等特点，这使得风险愈加复杂多样，诸如信用卡套现、伪卡欺诈、支付资金诈骗案件频发，而且手段逐渐向高科技、专业化，这对信用卡持卡人带来了巨大的资金安全威胁，也对信用卡所属公司造成了业务威胁。
如何保障客户隐私，同时又可以保证资金。在整个营销获客这个闭环流程中，反欺诈是保障效果的重要前提。有效防反欺诈行为，才能保障真实客户的合法权益。基于交易环境与欺诈形势的快速变化,某大型股份制商业银行积极调整工作思路与防范策略,不断完善交易欺诈防范体系,提升自身欺诈防控能力,实现全方位的交易欺诈风险防控。
解决方案
天云数据在某大型股份制商业银行北京地区信用卡申请客户的基础信息数据（总计超过30万）借助Hubble数据库产品，把申请人基础信息构建社交网络图，设计并计算出相关社交数据。构建完成社交网络后，设计并计算阶度、阶欺诈数、欺诈占比、最短路径等网络指标，从好友数量、亲密程度等网络视角衡量欺诈风险的传播。此外，将建模中的客户基础信息进行结构化分解，共同构建特征以用于后续模型的训练和验证。
项目成果
基于图谱网络实现32种关系构建：其中，基于进件节点的电话号码和邮箱相同构建关系22种，基于地址高相似匹配构建关系6种，基于特定业务规则相同构建关系4种。
全行信用卡客户的近2.4亿条社交网络库：将信用卡申请人信息及外部信息构建成客户社交网络图，社交网络包括780万节点，2.33亿条关系。
网络特征引入提升AUC值12%：网络欺诈因子标签将更新到到图谱网络中，用于更新节点欺诈属性，使网络中部分节点的特征发生变化，最终体现到AI模型中。AUC 由原先的 0.69 提升到 0.81。
