网络“黑产”年产值超千亿：已发展到机器人技术阶段

来源: 第一财经   

金评媒（http://www.jpm.cn） 编者按：网络黑产无处不在，和金融相关的“黑产”渗透于支付环节，比如银行卡盗刷；借贷环节，比如冒用身份信息骗贷、办信用卡、养卡、提额套现；消费环节等。

“双11”过后，如何抑制网络黑产一度成为业内讨论的焦点话题。“双11”不仅仅是购物者的狂欢，也是黑产的年度盛宴，有媒体报道称，集结的黑产“羊毛党”，可以“薅上一天，够吃一年”。

这背后是“卡商”提供账号、黑客提供软件、撸客抢货抢券、收货商收赃并销赃——在灰色地带已经形成一条完整产业链。

在人们看来似乎只是蝇头小利的“薅羊毛”，危害能有多大呢？第一财经记者此前跟踪过一个案例，广州某个互联网金融公司，曾被“羊毛党”薅到倒闭。

2015年7月，这家融资规模已经上亿的互金公司砸下获客成本，只要投标即可领百元代金券。但这个优惠补贴计划被一伙来自湖南的团伙作案羊毛党给瞄上了。结果，密密麻麻的投资账户薅了代金券、全部买入7天期的超短标，到期集体赎回，包括代金券兑价补贴一起计入，拿钱走人。

这家互金平台在此恶意羊毛党事件的重压下再没缓过气来，不久后宣告停业，平台投资人的资金也严重亏损。

值得一提的是，如今的网络黑产，包括申请在内的多道环节，已经发展到机器人技术阶段。

网络“黑产”年产值超千亿

网络黑产无处不在。和金融相关的“黑产”渗透于支付环节，比如银行卡盗刷；借贷环节，比如冒用身份信息骗贷、办信用卡、养卡、提额套现；消费环节，比如恶意“羊毛党”等。

对依靠大数法则发放小额分散贷款的互金平台而言，网络黑产几乎是他们的天敌。对此类数据进行研究追踪的Talking Data首席金融行业专家鲍忠铁称，大多数互金平台上70%的借贷损失，根源是诈骗；这其中，70%是有组织的团伙诈骗。

鲍忠铁给出了一组数据：目前国内网络“黑产”的直接从业者超过40万人；若计入网络“黑产”辅助性质的上下游人员，从业者超过160万人；“黑产”可利用的因倒卖、遗失等原因而游离在市场上的身份证，约1000万张；“三件套”、“四件套”（身份证、手机卡、银行卡、网银盾）市场倒卖报价，500元到1200元不等；“黑产”在2016年造成的银行卡欺诈同比增长率约40%；网络“黑产”年产值约1100亿元。

上述年产值数据，也可被阿里巴巴集团安全部副总裁杜跃进的估算验证。杜跃进表示，中国现在网络黑灰产业一年的产值千亿，而做网络安全的全部产值不到300亿。

一名反欺诈相关从业人员称，部分“黑产”从业者利用大数据的能力甚至超过一些知名互联网企业，他们能够精准地获取数据，进行精确诈骗。

更有甚者，“黑产”还会开培训班，在网上招募学员，比如为信用卡提额套现发展下线，还打出“包教包会、教不会下期免费再学”的旗号。

反欺诈升级战

哪里有“黑产”，哪里就有反欺诈。在移动行为数据方面进行的反欺诈，策略已经升级。

鲍忠铁举了一些例子。比如，通过移动设备辨别申请人的工作和居住地址：一个地址或者附近发生的大量申请，是可疑的；一台申请设备从来不移动是可疑的。

又比如，可通过填写信息来辨识“中介”：多个申请人填写的家庭电话是同一个，居住地址填写假的小区、或是不同城市申请人填写同一个小区名，是可疑的。

再比如，机卡历史数据出现异常，手机SIM卡更换频率过高、机卡多次分离多次重合、申请前机卡出现变化、又或是诸如“20多岁的年轻申请人却使用了旧的OS、非常老款的手机型号”等异常现象，都值得引起警惕。

下图是一个基于网络源与设备指纹的“羊毛党”行为异常识别规则体系。图片中三种颜色的圆点分别代表移动设备、APP、账号。在技术的辅助下，我们能够明显看到异常现象：比如一个手机装了很多个同类APP、一个APP上又登陆了十几二十个账号。“黑产”异常现象已被监控。

此外，电信网络实名制的推行对“黑产”产业链中的相关环节是一次重大打击。从金融机构的技术升级实践来看，“人脸识别”也是一项对反欺诈行之有效的技术运用。第一财经记者早前从平安普惠相关管理层人士处获悉，该机构率先在2015年4月于风控环节中增加贷款申请人的“人脸识别”后，无抵押个贷逾期率显著降低，改善率在70%以上。

（编辑：郑惠敏）

来源: 第一财经

天乐

蓝魅财经责任编辑 互联网金融领域的关注者