团伙金融欺诈是指在金融活动中以非法占有为目的，违反金融法规，采用虚构事实或者隐瞒事实真相的方法进行诈骗，从而骗取公私财物或者金融机构信用、破坏金融管理秩序的行为。具有事件多发频发、风险传染性强、目标指向明确、社会危害性大等特征。

欺诈团伙有明确的分工和计划，熟悉目标平台的各项业务流程，能够娴熟运用云计算、人工智能等新技术，欺诈手段复杂多变，这就导致传统的反欺诈手段无法做到科学精准的发现与防控。关联网络防控团伙欺诈提供了良好的思路。

关联网络是什么?

关联网络是融合大数据、图挖掘和神经网络技术的创新方案，基于图对数据的表示，利用图算法、图数据挖掘、图神经网络等解决具体的问题。关联网络能够基于业务数据提取出个体和群体的特征，构建起多维度关联结构，清晰的刻画出个体的特征、个体间之间关系、群体的画像，进而对个体或群体进行深度挖掘、特征衍生及应用机器学习。

以上图为例。该金融机构原先的信贷策略是同一个设备1个月之内只能申请2次贷款，以规避借贷人的申请多笔贷款。然而利用伪造的设备信息、身份信息等，信贷申请人可以绕过该策略限制，轻松申请多笔贷款。通过关联网络进行处理后，金融机构就能够直观的看到每个借贷人的关联关系，清晰看到每个账户的来往记录，进而对有关联关系的欺诈团伙进行防控。

顶象关联网络产品的研发“进化史”

2018年中，顶象在就开始关联网络的研究，并在当年9月份推出了关联网络1.0版本，主要用于数据的呈现。通过图数据的查询、可视化展现，以及定制化的过滤，实现数据的网络化展现，辅助技术人员判断数据的关联关系。

2019年3月，基于对团伙欺诈等风险的攻防实践研究，顶象在1.0基础上推出了关联网络2.0。该版本通过图计算，实现团伙可视化监控、案件核查、快速打标级团伙反欺诈的策略的可视化配置，实现金融零售场景下的团伙反欺诈。9月份，顶象将推出的关联网络3.0。新版本在团伙反欺诈上增加了更多创新特性。

关联网络在网贷申请中的效果

金融机构拥有庞大的数据信息，数亿计的企业、个人、账户信息中，隐藏许许多多不同类型的关系，以及数十亿的结点和边。有些是相对静态的关系，如企业之间的股权关系、个人客户之间的亲属关系；有些则是不断地在动态变化的关系，如转账关系、贸易关系等等。

无论静态或者动态的关系背后，隐藏着大量未知的关联关系，关联网络是如何运用这些数据的呢？以某金融机构的信贷进件审核为例。

首先，构建一个直观且多维角度的数据视角。通过关联网络，将网贷机构的各项数据按照一个维度全部串联起来，形成一个整体关联关系图谱，方便金融机构根据数据主体的关联关系和规律进行分析、审核。

 其次，提炼风险特征，圈出风险群体。基于关联关系图谱，对存在嫌疑的数据进行网络分群，检测提炼出异常特征，然后推断出强关系（如，转账频次、转账金额等），精准的圈出风险人群。

最后，定位风险人群。通过数据、查询等方式，将风险群体内的名单到处，方便金融机构进行处理。借助关联网络，金融机构能快速发现欺诈团伙，有效挖掘新型欺诈手段，增强未知风险的防范能力，进一步提高金融机构的风险管理的可靠性和准确率。