360金融报告：金融诈骗呈“两高一低”趋势 80、90一代正成为手机诈骗的重点目标

360金融报告：金融诈骗呈“两高一低”趋势 80、90一代正成为手机诈骗的重点目标

本报见习记者 单美琪 记者 朱丹丹 北京报道

假冒客服没放款先收费、包装资质承诺下款、花钱消除征信污点、注销网贷账号转移授信额度，这些新兴的金融欺诈骗局你遭遇过吗？

5月9日，记者从360金融研究院携手360集团于联合发布的《2018智能反欺诈洞察报告》（以下简称“报告”）中获悉，近年来，贷款场景的诈骗发生率已显著上升，包括上述几类诈骗手段在内的金融类电信诈骗和网络贷款欺诈，已经成为最为高发的新型诈骗手段。

报告显示，以移动网络为“温床”的金融诈骗，呈现受骗报案量占比高、受骗金额高、受害者低龄化的“两高一低”趋势。在网络贷款欺诈中，团伙欺诈的危害程度明显高于恶意欠贷、多头借贷、伪冒欺诈等个人欺诈行为，呈现“智能化、产业化、攻击迅速隐蔽、内外勾结比例上升、移动端高发”五大特征，给金融机构风控带来了严峻挑战。

金融电信诈骗受害者90后约占四成

报告显示，金融诈骗呈“两高一低”趋势。2018年360手机卫士手机先赔接到的诈骗举报投诉案件中，金融诈骗损失金额占比高达35%，报案量在全部诈骗类型中占比14.9%。金融电信诈骗受害者中，90后占比37.6%。在网络普及呈现低龄化、中青年群体金融需求的日渐提升等趋势影响下，80、90一代正成为手机诈骗的重点目标。

此外，从受害者的性别分布来看，男性受害者占76.3%，女性占23.7%，男性受害者明显占比高于女性。同时，从人均损失来看，男性受害者为12032元，女性受害者为10547元。可见，男性不仅更容易被骗，损失金额也比女性更高。

从地域分布来看，广东、山东、辽宁、河南和江苏五省的金融电信诈骗受害者最多，举报数量约占到了全国用户举报总量的36.5%。受骗人群以大学毕业生、城市外来务工人员及农村地区人群居多。

黑中介骗贷男性受害者占比76%

黑中介、黑产骗取用户信息时，陷阱和套路往往让人防不胜防。报告数据显示，在遭遇黑中介骗贷的受害者中，20岁-30岁占比45%，30岁-40岁占比35%，网络贷款、分期消费的主力客群80、90后已经成为黑中介盯上的“肥肉”。从性别比例分析，男性受害者占比76%，女性受害者占比24%。相较于女性，男性更容易成为黑产的“猎物”。

从地域上看，黑中介骗贷更容易向信用意识相对薄弱的三四线城市人群下手，受害者数量占比Top5省份依次为河南（8.18%）、山东（6.8%）、福建（6.78%）、广东（6.11%）、黑龙江（5.99%）。

损失金额上，由于黑中介在成功获得目标用户的个人信息后，往往会在多个平台进行高额度的骗贷，用户损失相较于传统诈骗更大。报告数据显示，遭遇黑中介骗贷后，损失2000元以下的受害者占比6%，损失2000到5000元占比17%，损失5000元到1万元占比28%，损失1万元到5万元占比38%，损失5万元以上占比11%。

团伙欺诈智能化特征凸显

报告显示，相较于个人欺诈，团伙欺诈的波及范围更广、社会危害性更高，呈现“智能化、产业化、攻击迅速隐蔽、内外勾结比例上升、移动端高发”五大特征。随着欺诈技术的发展，黑中介和黑产出现深度融合的态势，开始以团伙形式开展线上贷款申请审批业务，骗取大量资金。

在团伙欺诈中，黑中介利用互联网金融平台采用大数据线上审核的业务特点，会着重选择一些新上线、不上征信、风控较为薄弱的平台为攻击目标，通过不断地挖掘平台风控规则的漏洞或弱点，进行信息包装或伪造、远程助贷等欺诈操作。部分黑中介还通过社群、传销、面授班等形式，向其他中介和个人提供技术传播、骗贷教学。黑产则承担为黑中介“助攻”的角色，从技术上为黑中介实施骗贷提供技术便利。如批量采集用户信息，窃取金融机构和平台数据库，包装伪造证件信息、银行流水，伪造通讯记录等。

网络技术的不断迭代，黑中介、黑产的智能化趋势明显。黑产团伙同样会利用大数据、AI技术等技术手段扩大欺诈覆盖面和精准度。围绕欺诈目的达成，黑中介伙同黑产构建了集用户数据获取、身份信息伪造和包装、欺诈策略制定、技术手段实施等一条完整的产业链。

当黑中介发现目标平台后，会深度梳理平台的风控漏洞，制定欺诈方案，在特定时间发起集中攻击。由于黑中介的隐蔽性强，对于平台反欺诈策略的灵敏度和迭代效率提出了更高的要求。在人员结构上，黑中介团伙中熟悉平台风控逻辑内部员工比例有所上升，“内外勾结”联合骗贷对平台的损害更大。

目前，巨头系金融科技平台智能反欺诈成效显著。数据显示，截至2018年12月31日，360金融M3+逾期率仅为0.92%，由欺诈造成的亏损率仅为0.2%。360金融反欺诈技术专家张峰透露，360金融基于人工智能技术建立的反欺诈模型和反欺诈策略成为平台预测、抵挡欺诈风险的有力武器。

张峰透表示，一方面，人工智能可以利用机器对数据的大规模以及高频率的处理能力，将申请人相关的各类信息节点构建庞大网络图，并在此基础上建立基于机器学习的反欺诈模型并对其进行反复训练和实时识别。

另一方面，人工智能基于庞大的知识图谱，还能监测整个互联网的风险动态，当发现信用表现出现风险的时候，能够及时做出风险预警，启动“先知”的防御机制。