在上一篇21世紀經濟報道投教系列稿件《消費貸黑產調查：交不完的費，拿不到的錢》一文中講到，消費貸黑灰產團伙披著貸款對接服務公司或正規借貸平臺的外衣，借由預先設定好的騙術流程，使得貸款客戶在成功獲得貸款之前就已經被“連宰四刀”。

事實上，除了存在以放貸為名欺騙消費者的黑灰產團伙，還有一類黑灰產團伙則是將“槍口一轉”，瞄準了正規借貸平臺或其他金融機構，不僅通過偽造身份及征信記錄幫助信用質量低的借款者借款，還利用虛假或真實身份信息進行“騙貸”。

幾年前，某股份行的某線上小微貸產品就因大量騙貸爆發大量不良。在消費貸產品中，黑產也是金融機構重點盯防對象。

以假亂真的“騙術”

在針對金融機構的消費貸黑灰產業鏈中，黑灰產團伙主要會充當兩種角色，一種是“黑中介”，通過“包裝資料”“粉飾數據”的方式幫助借款人解決“銀行流水不夠、收入不達標”等貸款資質問題，這種業務又被稱為“包裝貸”。另一種則是通過冒用身份進行個人或團伙“騙貸”。

“包裝貸”的最常見操作就是將貸款客戶“包裝”為空殼公司的高管，同時以發放工資的形式給其放款并形成銀行流水。今年5月，有媒體就報道市民曾先生通過杭州坤商科技有限公司辦理210萬元貸款后，發現該公司還將一家企業變更到了自己名下，而這就是“包裝貸”的典型特征。

有業內人士分析，“包裝貸”手段并不高明，但冒用身份進行惡意貸款的黑色產業鏈卻用上了技術手段層層“偽裝”。在個人信息錄入環節，黑灰產團伙通過購買白戶證件、用模擬器生成假證件、用抓包軟件“粉飾”數據等方式，欺騙金融機構后臺系統。

所謂白戶指的是征信信用狀況空白的用戶。有知情人士表示，黑灰產團伙可以從貧困山區、農村地區、或無業游民那里低價購買身份證，再用身份證辦理手機號、銀行卡及U盾，這也被業內用暗語稱為“四件套”或“YHK4”。部分黑產團伙也會從卡販子那里直接購買“四件套”，不過有業內人士透露，近兩年來，“四件套”價格由400元先后漲到1000元、2000元、6000元，因此不少黑產團伙“自給自足”，將“收卡-賣卡-騙貸”全部收入囊中，形成完整產業鏈條。

消費信貸業務數字化后，為更好獲知貸款人信用情況、還款能力，許多金融風控拿到運營商的授權，引入對手機通訊錄、軟件安裝情況的審核環節，識別高風險客戶或黑產團伙并拉入黑名單。而在黑色產業鏈這端，改機工具“應運而生”，黑產團伙利用改機工具刪除催收等不良電話、借貸相關電話，刪除過多借貸類APP，并通過數月的“養號”培養出數千條真實通話記錄和APP使用軌跡，常常使得金融機構“防不勝防”。

此外，在金融機構增設了人臉掃描環節后，知情人士指出，市面上隨即出現了類似于Face2Face等變臉軟件，可以被黑產團伙用來進行活體模擬，對于尚未建立起活體檢測技術或風控薄弱的金融機構來說，這樣的活體模擬有概率可以“蒙混過關”。

等到了綁卡驗證環節，黑灰產團伙借助接碼打碼集合平臺，實現機器批量破解注冊驗證碼。覺察到黑灰產的違規操作后，金融機構也在不斷提高驗證碼難度，不過“道高一尺魔高一丈”，黑灰產團伙又發展出了“人工打碼”，也就是雇傭專人手動輸入。

此外，有互聯網金融平臺風控部門主管表示，當前黑產團伙已經更新了“騙貸”操作模式，他們編造謊言引誘受害者上當后，引導受害者按照指引下載遠程視頻會議軟件并開啟屏幕共享功能，指導受害者申請貸款，借此獲取受害人輸入的各類賬號、密碼、驗證碼等關鍵信息，最后悄無聲息轉走貸款資金。

就這樣，黑產團伙借助上述設計嚴密且成熟的黑色產業鏈條，為銀行、信貸平臺等金融機構帶來了大量不良資產和壞賬準備。去年底，招商銀行旗下個貸平臺閃電貸就因征信系統管理漏洞，給不法分子以可乘之機，最終導致招商銀行寧波分行及其支行營業點被“騙貸”415.2萬元?？梢?，金融機構提高反欺詐水平、加固技術防火墻迫在眉睫。

加固技術“防火墻”

消費貸黑產猖獗，恰恰也說明了金融機構的傳統反詐騙模式和技術仍然“火力不足”。

智能技術和金融科技的浪潮，推動著傳統金融機構與互聯網金融機構在技術領域持續發力，反信貸欺詐模型得到持續更新，模型維度得到優化與豐富，不少新型智能反信貸欺詐風控系統、更加完備的反詐騙模式出現了。

21世紀經濟報道記者梳理后得出，近年來金融機構針對信貸欺詐所做出的技術“反擊”完整覆蓋接待流程的三個節點，包括事前識別預警、事中阻攔防護、以及事后檢測追蹤。

在事前識別預警這一關鍵節點上，增加模型校驗維度、擴充風險信息庫和共享信息成為金融機構完善貸前反欺詐體系的共識。以互聯網銀行之一的新網銀行為例，2019年起，新網銀行持續增設反欺詐模型的客戶校驗維度，截至當前，已經有包括中介助貸指數、團伙欺詐指數、電信詐騙指數、惡意透支指數、盜用指數、偽冒指數等在內的成百上千個維度，為發放消費貸搭建了更為全面的考察體系。

在擴充風險信息庫方面，工商銀行已經建立了逾10億級的欺詐風險信息庫，并且與業務系統對接提供名單篩查和關系查詢服務。盡管上述功能對于識別黑產團伙具有一定的意義，但業內仍在探索協同合作路徑。2020年底，新網銀行與銀聯數據共同推出業內首個實時多頭聯盟方案，其中一項重要功能即為“多頭實時預警”技術，也就是說多頭借貸者在第一家金融機構申貸后，就被裝上了“追蹤器”，在去其他機構申貸時，平臺也會自動預警推送信息，指導前面的機構做出響應措施。

相較于前述的預警裝置，事中攔截勸阻與各環節風控升級對于嚴防黑產顯得更具有針對性。

如何更好建立事中攔截勸阻的重要防線？美團金服、螞蟻金服、支付寶等金融平臺給出了“技術+人工”的更優解。知情人士表示，依托大數據分析與智能風控模型，美團金服反詐騙中心以時間、IP、用戶行為等數據維度，構建一整套可應對10多種常規詐騙場景的風控模型，依據模型對借貸人的狀態、所處環境的評估，快速定位疑似詐騙誘導的借貸申請，再由14名客服組成的反欺詐人工勸阻團隊就需要迅速撥打電話，提示受害者或揭露“騙子”。

除了監測借貸人所處環境與行為外，面對黑產團伙試圖活體模擬冒用身份、“養號”改機的行為，金融機構也是“見招拆招”。例如，在工行反欺詐系統“融安e盾”的人臉識別環節中，就首先應用了聲紋識別技術，同時引入了設備指紋技術智能識別高危設備，對“壞人”和“壞設備”實施7×24小時毫秒級干預，進行實時阻斷。

事實上，有業內人士表示，現有的許多算法更新、大數據技術應用、甚至區塊鏈技術的加碼，都仍然建立在由經驗驅動和數據驅動的反欺詐模型上，也就是說，多為依賴歷史標簽樣本的監督式機器學習，而不能自動學習未知攻擊模式，模型有著明顯滯后性，這也就導致了金融機構在面對花樣繁多的黑灰產團伙時，顯得“力不從心”。

因此，在技術層面上，不少金融機構相繼推出半監督機器學習技術與圖挖掘技術（或圖算法），其運作邏輯是對關系網絡、行為和關聯異常進行檢測，實現風控模型可以自適應于不斷變化的環境。這樣的圖挖掘技術的可行性還體現在，黑灰產團伙常常使用一些共同的信息，比如說聯系人信息、地址重合度較高等，在對關系網絡進行挖掘的過程中，個體作為單個節點，一旦有多個節點密切相關時，就能夠即刻提示風險，迅速出擊。

當前，諸如建設銀行、農業銀行、360金融、蘇寧金融等大型金融機構都已經完成了知識圖譜預警平臺、關聯模型的構建。以招商銀行的零售智能風控平臺“天秤系統”為例，“天秤系統”利用圖算法與圖分析技術，挖掘欺詐關聯技術，事先貸款事后反查。

面對作案手法越來越“高明”的黑灰產團伙，金融機構以技術壓制技術已成為必然趨勢。今年4月，首屆數字金融反詐峰會在北京舉行。會上，數字金融論壇主席、中國銀行業協會原專職副會長楊再平表示，“如果說金融的故事就是一部技術的故事，那么反欺詐一直是這部技術故事的重要組成部分”。不僅如此，楊再平提到，數字金融反詐技術，必須包含相關金融交易信息的標準化、數字化、線上化、征信化、區鏈化、共享化與智能化，這同樣也作為打擊消費貸黑產下金融機構技術升級的重要標準。

此外，因黑產源頭為銀行卡、手機卡的交易和販賣，近年來對源頭的監管越發嚴格。

6月22日，最高法、最高檢和公安部聯合發布了《關于辦理電信網絡詐騙等刑事案件適用法律若干問題的意見（二）》（以下簡稱《意見（二）》）并召開新聞發布會。明確表示，為幫助電信詐騙 出售5張銀行卡或20張手機卡即可入刑。

此外21世紀經濟報道記者還觀察到，在部分銀行已經開始執行，開卡前開發人本人必須觀看關于售賣銀行卡、手機卡等黑產的教育視頻。明確違法開卡，售賣卡的法律后果。

這意味著，黑產的生存空間將進一步從源頭上被擠壓。

責任編輯：方杰