反欺诈建模方案

在反欺诈场景中，知识图谱聚合各类数据源，逐步绘制出借款人的profile，从而针对性的识别欺诈风险。以一个借款人举例，借款人可以有身份证号，手机号，学历等个人信息，属于个人的属性信息；而借款人可以有担保人或是亲属好友，借款人与担保人之间的关系（也就是边Edge）是被担保与担保的关系，借款人与其亲属好友之间的关系是父亲、母亲、同事、同学等关系；借款人也具有住址，银行流水，工作单位等信息。这些信息可以来自于多个渠道，例如可以由借款人自己填写，或是积累的历史数据，或是数据提供商提供，或是在互联网上获得，甚至通过推理得到，往往具有冗余性；信息通过图的形式连结，展示出借款人的profile。

1识别数据造假

当融合来自不同数据源的信息构成知识图谱时，有一些实体会同时属于两个互斥的类别（例如同时在两个不同的城市工作），或某个实体所对应的一个Property（同一个人的住址）对应多个值，这样就会出现不一致性，这个不一致性即可判定为潜在的可疑点。
通过这种不一致性检测，我们利用绘制出的知识图谱可以识别潜在的欺诈风险。在P2P行业，欺诈风险主要的骗术包括个人信息造假、工作单位虚假、代办包装、虚假联系人、组团骗贷等。以识别数据造假为例，利用知