利用关联网络，防控信用卡“养卡套现”

 

信用卡是最常见金融信贷产品，初衷是为了解决用户提前消费和便捷支付的需求。发卡机构根据申请人的信用资质授予其可以使用的信用额度，申请人可以在多个消费场景使用信用卡额度进行便捷的信用支付，而已经使用的额度可以在还款之后重新恢复、再循环使用于更多的消费支付场景。

 

套现养卡，信用卡常见的违规操作

由于信用卡刚出现的时候，并不是所有消费场景都支持刷卡支付，很多场所只接受现金支付，为扩大使用场景、提升用户体验，很多信用卡产品在信用支付的基础上也为用户开通现金取现的服务。通常信用卡的取现额度通常不超过信用额度的30%，透支取现的部分没有免息期、其对应的手续费和利息也比刷卡消费高，借贷成本高、只适用于短期应急的情形。

相对于额度小规矩多的信用卡取现，信用卡套现最吸引欺诈用户。利用不法商户或刷卡设备制造虚假刷卡消费交易，以少量的手续费把信用额度全部转化为个人的现金。而套现的方式有“他人消费刷自己的卡”，与商家或某些“贷款公司”、“中介公司”合作套现，或者是利用一些网站或公司的服务等套现。

除了信用卡套现，还有欺诈用户进行“以卡养卡”。通过消费或者套现等方式使用一部分信用卡的额度，然后在账单日之后消费（提现）剩余额度，将消费来的钱进行还款，反复操作即可实现完成账单的还款。而且多次消费的金额会出现在下一个账单日上，这样配合套现就可以实现无期限的贷款，每月只需要支付部分手续费即可。当然，欺诈用户也可以办理多张不同银行的信用卡，也能实现以上的“以卡养卡”。

信用卡的每笔刷卡消费直接反馈刷卡场所、消费内容等具体信息，便于发卡行及时掌握信用卡的资金用途和潜在风险，利于监管部门宏观决策。而养卡、套现等欺诈行为，无法把握资金流向、无法洞悉用户的借贷用途，发卡行要承担的信贷风险也相对较大，并且是违反监管要求的。如去年以来，银保监会多次发文通知，严控信用卡资金用于投资、房地产交易等。

央行《2019年第二季度支付体系运行总体情况》显示，截至二季度末，信用卡和借贷合一卡在用发卡数量共计7.11亿张，环比增长3.04%。银行卡授信总额为16.32万亿元，环比增长3.23%；银行卡应偿信贷余额为7.23万亿元，环比增长3.64%。银行卡卡均授信额度2.29万元，授信使用率为44.31%。信用卡逾期半年未偿信贷总额838.84亿元，占信用卡应偿信贷余额的1.17%，占比较上季度末上升0.02个百分点。

 

养卡套现不仅给银行带来损失，更扰乱金融秩序

养卡套现属于金融欺诈行为，不但与监管机构防止居民杠杆率的过快增长的愿景是相违背的，更会给持卡人带来信用风险和资金损失。主要危害集中以下三方面：

首先，信用卡套现增加了金融秩序中的不稳定因素。我国对于金融机构有严格的准入制度，对金融机构资金的流入流出都有一系列严格的规定予以监控。不法分子联合商户通过虚拟POS机刷卡消费等不真实交易，变相从事信用卡取现业务等行为却游离在法律的框架之外，违反了国家关于金融业务特许经营的法律规定，背离了人民银行对现金管理的有关规定，还可能为“洗钱”等不法行为提供便利条件，这无疑给我国整体金融秩序埋下了不稳定因素。另外，大量不良贷款的形成也将破坏社会的诚信环境，阻碍信用卡行业的健康发展。

其次，非法提现给发卡银行带来资金损失。绝大多数的信用卡都是无担保的借贷工具，只要持卡人进行消费，银行就必须承担一份还款风险。在通常情况下，银行通过高额的透支利息或取现费用来防范透支风险。可是，信用卡套现的行为恰恰规避了银行所设定的高额取现费用，越过了银行的防范门槛。特别是一些贷款中介帮助持卡人伪造身份材料，不断提升信用卡额度，银行的正常业务受到巨大的干扰，也带来了巨大的风险隐患。由于大量的套现资金，持卡人无异于获得了一笔笔无息无担保的个人贷款。而发卡银行又无法获悉这些资金用途，难以进行有效地鉴别与跟踪，信用卡的信用风险形态实际上已经演变为投资或投机的信用风险。一旦持卡人无法偿还套现金额，银行损失的不仅仅是贷款利息，还可能是一大笔的资产。

第三，信用卡套现行为给持卡人带来极大的信用风险。表面上，持卡人通过套现获得了现金，减少了利息支出，但实质上，持卡人终究是需要还款的，如果持卡人不能按时还款，就必须负担比透支利息还要高的逾期还款利息，而且可能造成不良的信用记录，以后再向银行借贷资金就会非常困难，甚至还要承担个人信用缺失的法律风险。

 

防控养卡套现的传统手段与新挑战

针对养卡套现的识别，传统的防控手段主要通过基于规则和基于模型的方法。

基于规则的方法：针对单个用户的交易行为和用户信息，根据经验阈值为右变量生成规则，再通过逻辑运算符连接成策略。

基于模型的方法：抽取一批被打标的黑白账户作为样本，从这些账户的个人信息和交易行为提取并衍生特征，然后根据样本的标签和特征训练分类模型，如LR、GBDT和神经网络模型等，最后将基于历史数据训练的分类模型应用于新的非打标账户，判断新账户是养卡套现的概率。

传统反养卡套现的手段主要基于个体用户的防控，而现在的信用卡欺诈更加复杂多变，不仅时间和交易跨度长，还具有团伙性、隐蔽性的特点，这就给金融机构反欺诈带来诸多新挑战。

1、养卡套现往往具有一定的团伙性，如提供养卡套现服务的不法商家使用相同的手机号申请多个信用卡，或者拥有多个POS机进行虚假交易等；传统的反养卡套现手段仅仅止于确认某个账户是否是养卡套现，并且只有在某个信用卡发生逾期时，才可能会去追查与之交易的POS机。

2、针对单用户的反养卡套现方法往往需要单用户一定时间跨度和一定笔数的交易信息，如果时间跨度较短或者交易笔数过少，就无法命中规则或者衍生特征；传统的反养卡套现手段很难在欺诈的初期就能发现风险，等到能够确认风险时，已经进行了多笔交易，此时损失已经形成。

3、进行养卡套现的欺诈用户会通过各种手段隐藏自己的欺诈行为，并将经验分享给他人（如，调整虚假交易的策略，以低于某个金额阈值进行小额套现等），由此吸引更多人加入养卡套现阵营；传统的反养卡套现手段的识别基于已发生的风险，策略规则沉淀相对滞后，风控更迭速度慢，因此不能及时有效防控。

 

如何利用关联网络有效防控信用卡欺诈

防控信用卡套现要从多方着手，除加强信用卡发放、审核、后期维护的管理，规范信用卡营销考核机制，强化对特约商户和第三方支付服务商的监管外，更需要加强客户交易的管理。

1、基于POS机与信用卡的交易关系，身份证与手机号的绑定关系、信用卡交易网络中信用卡的一度、二度甚至三度关系等数据构建立体的关联网络，为金融机构提供了及时、快速的科学决策依据。

2、及时发现潜在和未知风险。一旦发现某个节点（如：手机号、身份证、信用卡、POS机等）存在风险，或确定是养卡套现，那么所有与它有关系的节点都可能存在传播风险。关联网络快速定位可疑交易和欺诈行为，帮助金融机构将风险控制在初期。

3、大幅增加养卡套现的成本，让欺诈用户知难而退。如果欺诈用户想完全隐藏自己的欺诈行为，申请信用卡时需要用不同的手机号，使用不同信用卡套现时，也必须用不同的POS机，这样养卡的成本可能会超过养卡套现的收益，完全得不偿失。

关联网络防控信用卡养卡套现的主要步骤如下：

首先，基于申请信息和POS机等交易设备信息，建立信用卡的关联网络。其中，付款节点可以是信用卡账户号、信用卡卡号和身份证等类型中的一种，收款节点可以是POS机ID和商户号等。

其次，通过节点度分析，对节点度较高的节点做过滤处理，对一些过小的交易做过滤处理。

第三，计算节点的风险值，并对已知的套现节点进行标注。

第四，通过迭代算法，将风险值在网络中进行有效的传播，挖掘出更多潜在信用卡账号。

第五，将结果反馈给业务部门，对风险值最大的信用卡账号进行确认。

借助关联网络，某银行挖掘出数千张存在风险交易的信用卡。对排名一千的高风险信用卡逐一排查发现，其中约80%被确认为套现用户。

 

被金融机构忽视的自有数据

上个月，监管部门针对非法爬取用户数据的公司进行了整顿。受此影响，多个严重依赖三方数据进行贷前准入、风控审批和额度计算的金融机构，紧急调整风控流程，部分甚至叫停了信用卡和线上信贷业务。

此外，更多的金融机构和金融科技企业开始审查资深的业务和产品，是否涉及非法爬取、源头不明的三方数据支持，并开始思考如何增强风控体系的韧性以应对市场变化、持续支持业务发展。

其实大部分拥有线上业务的金融机构，在相关业务开展了一定时间段后，会积累大量的用户申请数据、产品运营数据和交易行为数据。而这些数据在绝大多数的金融机构，除了被汇总在一些粗颗粒的业务现状统计报表中，却大部分散落在各个相互割裂的系统中无人问津，不但其蕴藏的巨大价值没有被充分挖掘和利用，更是一种极大的浪费。

IDC今年春天发布的一项白皮书披露，2018年国内产生了大约7.6ZB的数据，预计到2025年这一数字将增至48.6ZB。但其中只有2.5%的数据得到了分析和利用，97.5%的数据依旧在沉睡中。

关联网络可以完全使用金融机构自有数据，利用图计算、传统机器学习算法乃至前沿深度学习模型，挖掘关联网络中的风险点。它通过金融机构内部客群特征、业务数据、交易信息、核心征信、合规数据等海量数据等“数据金山”的充分挖掘，基于对金融机构具体业务场景、业务逻辑、产品流程、客群特征、风险特点的深度理解，科学构建“有内涵、可外延”的复杂关联网络。再通过应用图数据挖掘、无监督算法、半监督算法、有监督算法等多角度充分挖掘，进而结合应用场景、实际操作人员的具体需求直观而智能的在运营和监测平台呈现最有效信息，从而为多个行业和场景提供反欺诈、精准营销、精细化运营等应用服务，助力业务创新与增长。