第一模块 黑产生态链
第一节：欺诈黑产市场现状
一、黑产数据
1、欺诈团伙
2、黑产从业者
3、经济损失
4、黑产市场规模
二、欺诈客群分布
1、按行业
2、按年龄
3、按地域
4、按性别
第二节：欺诈黑产产业链
一、三大类型欺诈链
1、羊毛党
2、信贷欺诈
3、盗号盗刷
二、信贷欺诈的主要方式
1、团伙欺诈
2、盗号盗刷
三、信贷常见五大欺诈行为
1、虚假联系人
2、虚假信息
3、资产类虚假资料
4、伪冒申请
5、团伙诈骗
第三节：黑产如何获取客户信息
一、拖库
1、技术手段
2、欺诈手段
二、撞库
1、获取密码尝试登陆
2、字典集合暴力破解
三、洗库
1、用户信息清洗倒流变现
2、金融账户盗刷
第四节：黑产工具与平台
一、黑产如何批量制造“真实”用户行为
1、改机工具
2、模拟工具
二、黑产“真实客户”养成工具
1、接码打码集合平台
2、猫池
3、群控
4、模拟精灵
三、黑产如何帮客户实现数据“整容”
1、固话转接
2、代养信用卡
3、银行流水制作
第二模块 三大金融场景反欺诈策略
第一节：网络借贷
一、欺诈参与方与欺诈行为
二、五大欺诈行为表现及反欺诈策略
1、针对冒充他人申请
2、针对虚假信息
3、针对资产类资料虚假
4、针对虚假联系人
5、针对团伙欺诈
第二节：信用卡
一、欺诈参与方与欺诈行为
二、欺诈行为表现及反欺诈策略
1、针对冒充他人申请
2、针对失卡冒用
3、针对恶意透支
4、针对伪造信用卡
5、针对商户欺诈
第三节：电商分期
一、欺诈参与方与欺诈行为
二、欺诈行为表现及反欺诈策略
1、用户进入页面方式
2、用户浏览环节
3、用户注册环节
4、用户下单付款环节
5、商家套现
6、注册用户关联分析
7、产品价格虚高
8、销售额异常
9、客服交流异常
10、收货确认异常
第三模块 互联网金融反欺诈解析
第一节：全面防范欺诈风险
一、搭建全流程反欺诈管理制度
二、数据监控和欺诈分析相结合
三、欺诈流程和欺诈模型相结合
四、大数据与风控系统相结合
第二节：反欺诈应用数据有哪些
一、按照数据来源区分
1、用户申请提供数据
2、第三方获取数据
3、自有业务数据沉淀
二、按照数据类型区分
1、征信数据
2、多头数据
3、消费/资产数据
4、历史还款数据
三、按照数据使用场景
1、面对客户反欺诈
2、面对员工反欺诈
四、注意事项
合理使用外部数据
第三节：反欺诈模型VS信用模型
一、目标变量
1、信用模型：逾期客户，考量还款能力
2、反欺诈模型：高危及欺诈客户，考量还款意愿
二、模型特征
1、信用模型：特征，信用历史，消费特征
2、反欺诈模型：反欺诈风险点，运营商数据，社交关系
三、实时性
1、信用模型：离线
2、反欺诈模型：离线特征+实时特征，申请+交易时实时预测
四、技术实施
1、信用模型：逻辑回归，GBDT
2、反欺诈模型：GBDT，神经网络
第四节：反欺诈之手机设备指纹实施
一、设备识别
1、传统的设备识别技术
2、设备指纹（设备ID）
二、被动式指纹
三、主动式设备指纹
四、常见五类欺诈形式
第五节：构建全流程反欺诈风控系统
一、数据接入、决策引擎、管理系统三结合
二、数据分析和反欺诈模型相结合
第六节：反欺诈工作落地实施方案
一、信贷周期准备
1、渠道（流量）
2、风控（数据，模型，策略）
3、人力（团队，业务，风控，客服，催收）
4、IT（APP，信贷系统，决策引擎）
5、资金（资金来源，资金成本，测算成本）
二、反欺诈部署
1、渠道进件
2、客户分析
3、准入规则
4、渠道监控
5、反欺诈模型
6、信审核查
7、贷后管理
三、实施路径
1、前期准备
2、风控部署
3、后期调优
4、业务优化
5、跟踪监控
6、离线监控
第七节：反欺诈方案调整解析
一、业务运营监控
二、策略模型监控
三、异常情况监控
第四模块 反欺诈策略调优
第一节：常用量化指标
一、如何定义逾期
二、账单逾期和订单逾期
三、迁徙率和Vintage
四、首期逾期率（FPD）
第二节：策略调优
一、策略调优种类
1、D类调优
2、A类调优
二、何时需要策略调优
1、资产质量朝着坏的方向发展
2、逾期指标偏高
3、通过率下降
4、预测的坏账比例超过预期
三、A类调优示例
四、D类调优示例
