摘要：
IP地址库可以提供丰富的地理位置信息,包括IP地址所属的国家、城市、运营商等。这些信息可以帮助金融机构识别可疑交易行为,例如检测是否存在跨境交易、异常登录地点等异常情况,从而防范欺... IP 地址库可以提供丰富的地理位置信息,包括IP地址所属的国家、城市、运营商等。这些信息可以帮助金融机构识别可疑交易行为,例如检测是否存在跨境交易、异常登录地点等异常情况,从而防范欺诈风险。
金融机构可以将 IP 地址库集成到自身的反欺诈系统中,实时分析交易数据和用户行为。当发现可疑情况时,系统会触发预警,提醒工作人员进一步核查和处理。IP 地址库的信息也可以作为证据,为后续的调查和处理提供依据。
相比于其他反欺诈手段,IP 地址库具有数据全面、实时性强、成本低廉等优势。通过持续更新和完善 IP 地址库,金融机构可以更好地应对欺诈行为,提高反欺诈的成功率。
ip地址查询精确地址软件ip地址查询精确地址
关于ip地址查询精确地址软件，ip地址查询精确地址这个很多人还不知道，今天来为大家解答以上的问题，现在让我们一起来看看吧！1、楼上回答基本还是比较到位的，不过IP地址定位基本上泄露不了啥隐私，一个公网IP背后是一群人。 2、首先还得看你是用来干嘛的，要用IP地址定位技术查到街道级别，如果为了当个私家侦探，追债，那还是放弃吧。 3、民用的估计能都是应用在企业端，主要也是为互联网用户服务的。 4、比如给在线广告提供受众的位置信息，能在GPS玩不转的时候用上，而且本身保有量也大，如果按使用中总的IP量来算，能定到街道级别的IP占比还是相当高的。 5、还有就是能给反欺诈、反作弊这些风控、征信领域用上。 6、主要现在市场都没啥企业用过这种东西，这是个新兴的东西，用好了用途大了去了。 7、埃文科技有个IP问问，那个应该能帮上你。 8、他们是研究IP地址定位领域的专家。 9、不过如果是个人学术研究，也能跟他们创始人聊聊，兴许能给点启发。
信贷类金融产品贷款流程及相关产品介绍
金融信贷领域的产品，除了理财稍微提及下，其他多为P2P信贷、小贷、消费金融、汽车金融、银行信贷等。 在贷款申请这个步骤开始前，一般逃不过营销获客、注册登录、实名认证及银行卡绑卡行为。
说完基本信贷流程，下文说说各流程的详细情况及对应风控产品。
一是通过识别用户借贷意愿进行精准营销，二是反欺诈方面，防止薅羊毛、广告作弊等欺诈行为。
对应产品：
1.作弊设备识别： 通过设备指纹技术，可以获取操作设备的多重属性，从而分析该设备参与营销活动的频率、关联账号等情况，有效识别作弊设备。 2.代理IP分析： 通过代理检测技术，可以及时发现通过使用代理技术隐藏真实IP地址的行为，准确识别当前用户是否使用代理访问网站，再结合机构本身的风控模型及用户信息，有效识别作弊用户。 3.欺诈用户行为： 通过存量历史欺诈用户数据建模分析，准确分析用户行为特征，有效识别欺诈作弊用户。 4.精准营销：重点在于用户基数及标签维度是否丰富，这样有利于细分行业定位客群；获客引流的方式是将定位好的用户数据通过选择好的渠道媒介触达用户，一般有短信、电呼、网络定制广告、移动广告等方式。 但由于政策原因导致短信及电呼业务紧缩，效果原因+成本原因短信和电呼在做精准营销的性价比逐渐减弱。
主要防控点也是在反欺诈方面，该阶段可能出现的风险如下：
进行借贷同行业身份核验。 在反欺诈识别过程中，无风险用户来到身份核验环节，这里可以通过身份证号、手机号、姓名等信息确认身份。 1.身份证号认证： 公民身份信息，既身份证号码及姓名，另加有条纹返照，这个查询接口一般来自于公安一所、三所及公安认证中心，现在在市面上要找到实时口真不容易，多是存量接口。 原因就是这些公安部门一般不会外放，也没正式的代理政策。 2.本人申请校验： 主要通过OCR+活体检测来完成。 OCR的目的主要是获得身份证上可信照片，活体检测是获得你现场照片，然后通过对比可信照片和现场照片，来判断操作的是不是本人。 可信照片除了可通过活体检测获得，也可以通过调用公安网网纹照，但是成本较高。 3.运营商验证： 运营商三要素校验，通过提供姓名、身份证号、手机号，核验姓名身份证号与该手机号开户时实名登记的姓名身份证号是否一致，来判断是否为本人的手机号。 这个校验互金产品使用得比较少。
银行卡验证： 银行卡验证根据不同行业需求及产品设计，一般分为银行卡2要素（姓名、银行卡号）、3要素（姓名、银行卡号、手机号）、4要素（姓名、身份证号、银行卡号、手机号）及银行卡6要素（一般指贷记卡，姓名、身份证号、银行卡号、手机号、有效期及CVN2码），现在慢慢开始普及的还有银行卡3类账户识别验证。 接口主要来源与各大银行总分支行，比较全的也就是各地银联，但多部分知名度较高的都是些第三方支付渠道。 银行卡校验时，也是要实名认证校验的。 所以不少互金类产品在产品设计时，直接通过该环节来做实名校验，节省姓名+身份证校验的费用。
1.授权信息获取： 针对身份核验通过的用户，进行有感知或无感知的必要信息获取，为后续模型评分准备好数据。 无感知获取的包括多头借贷数据、消费金融画像数据、手机号状态和时长数据等；有感知（需要用户提供相关账户密码）获取的数据有：运营商报告、社保公积金、职业信息、学历信息、央行征信等。 2.用户过滤： 在获得用户提交信息、系统抓取信息、第三方数据后，基于这些数据跑各类风控规则，过滤掉不满足规则的用户。 风控规则主要包括进件规则、反欺诈规则、严拒规则、可变规则、评分规则等。
3.用户信用评估： 通过过滤规则的客户，进入信用评估及授信环节，这个环节通常会有个打分的环节，也就是信用分，也称个人综合信用评分，是指通过使用科学严谨的分析方法，综合考察影响个人及其家庭的内在和外在的主客观环境，并对其履行各种经济承诺的能力进行全面的判断和评估。
4.授信核额： 在信用评估后，根据用户信用评估信息，进行风险定价，包括给额度、定费率、定期限。
1.贷前反欺诈： 反欺诈主要针对2方面：
整个反欺诈流程大致如下：
5.信用评分卡： 构建信用评分卡模型，可以精准评估借款人还款能力和还款意愿。信用评分卡包括：
贷中管理是从贷款发放之日起指贷款本息收回之时止的贷款管理。 贷中风控主要做的是监控和风险预警，强调已贷用户的资金使用用途是否正常，资质是否有变化，收入情况是否稳定等各种会影响客服后期正常还款的各种行为变化。 贷中监控属于借贷环节最不引人瞩目的环节，有“重贷轻管”的情况。 除少部分掌握用户出行数据、支付数据、实时信用数据的机构可以做得到，大部分信贷机构都无法做贷中监控，只能与这些少部分机构合作，但监控成本就自然上升。
如果说贷前的风控做的好不好决定了企业是否能够存活，贷中的管理决策则决定企业的可持续性发展。
贷中监控主要针对这2个维度一般体现在还款行为、诉讼信息、特殊名单变化、多次申请记录变化、联系状态变更等维度，一般监控的维度有发生变更给的，需要及时发现并做风险预警。
这些维度变化反应了客户的还款能力及还款意愿。
1.行为评分： 利用贷款客户的历史数据和行为特征等制定贷中行为评分模型，对客户划分风险等级，实行不同的贷中风险管控措施； 2.客户号码状态核查： 判断贷中存量客户号码状态，给出相应的状态标签，及时发现风险； 3.异常行为预警： 多头借贷行为监控、还款能足指标异常预警及还款意愿交叉识别。
贷后包括客户正常还款的复贷邀请及催收两部分。 复贷邀请主要通过历史行为找出按时还款的客户，并主动询问是否需要复贷。 催收，主要针对有逾期行为征兆或已经发生逾期行为的客户，进行催收联系，一般有催收行为的用户都容易失联，因此需要进行失联修复，通过数据交叉匹配手段修复用户实名下的其他联系方式，然后是进行催收方案计划，制定自动回收策略、逾期损失模型及催收渠道选择。 为了提高效率，可设置智能客服进行前期催收，后期针对逾期严重的可以选择委外催收。
1.失联修复： 贷后需要催收时，联系不到目标用户，可以失联修复，获取更多的触达方式，触达用户提高催收成功率。 2.逾期客户画像： 用于清晰催收对象情况。 多维度画像数据，精确勾勒逾期客户还款能力与意愿的相关情况并精准量化。 3.催收评分： 按分评估对象催收难易度。 融合了委案金额、账龄、地域等多维度信息的建模评分系统，兼顾逾期客户的还款能力及意愿，对债务人的还款可能性进行综合评估。 通过贷后行为评分模型准确地预测的还款概率，根据还款可能性对客户进行分层，辅助贷后策略； 4.分单策略： 不同能力催收员负责不同难易程度的催收对象。 根据催收评分，结合系统总催收人员的业务能力指标来制定分单策略，以对案件进行合理化分配，提升催收效果。 5.轮循拨号： 友好自动拨号，打到你接。 对于高频、简单的催收案件，采用试触式轮循拨打，减少人工操作，缩短拨打间隔，有效提升催收效率。 6.正常还款提醒： 对于即将到期的还款，一般会通过短信、电话多次进行还款提醒。 比如，提前5天、2天、1天、0天进行短信提醒，提前2天、1天、0天进行电话提醒。 这是很普通但又非常有效的还款策略。 同时，还款一般支持第三方代扣，比如，用户授权的第三方支付平台会在还款日从指定银行卡中划扣本息，避免用户忘记还款。 7.重新评估授信： 不管是正常还款、逾期还款，还是逾期未还款，一个周期结束后，需要重新给用户进行信用评估，并重新给出信审额度和利率，方便用户进行复贷或列入黑名单。 8.老客户激活： 针对信誉良好的用户进行激活营销，提高复贷率。
参考文章： 《百家风控公司揭秘系列5｜“网红”同盾科技公司及产品调研报告》 《百家风控公司揭秘系列6｜百融金服公司及产品调研报告》 《消费金融大数据风控业务解析》 《“现金贷”产品经理，也需懂点风控知识》 《同盾交易解决反欺诈方案PPT》
央行披露II、III类帐户存在风险 金融机构如何构筑安全防线
近年来全国范围内连续发生个人II、III类银行结算账户（以下简称II、III类户）异常开户风险事件，突出表现为不法分子利用手机银行或直销银行系统漏洞，非法开立虚假II类账户，并以此作为鉴权源，跨行开立大量虚假III类账户，造成账户风险交叉传染，蔓延扩大。
为有效应对和防范电信网络新型违法犯罪形式和新问题，保护人民群众财产安全和合法权益，监管机构自2015年起，陆续印发《关于改进个人银行账户服务加强账户管理的通知》（银发〔2015〕392号）、《关于落实个人银行账户分类管理制度的通知》（银发〔2016〕302号）、银办发〔2018〕146号《关于开展支付安全风险专项排查工作的通知》、中国人民银行支付结算司《关于加强个人II、 III类银行结算账户风险防范有关事项的通知》（银支付〔2019〕55号）、银发〔2019〕85号文《关于进一步加强支付结算管理防范电信网络新型违法犯罪有关事项的通知》等通知，鼓励银行机构在确保风险防范的前提下，构建全新的个人银行账户体系和交易安全认证机制，通过大数据技术有效提升风险识别能力，实时拦截高风险交易。
合规底线是银行发展的常青树，拥抱监管，合规前行。 同盾 科技 作为国内领先的智能风控服务商，积极响应监管文件要求，并提供了一整套完整的解决方案帮助我们的客户快速落实监管要求，为企业在强监管下的金融合规保驾护航。
通过对监管机构146号文、55号文、85号文等多个发文中Ⅱ、Ⅲ类户风险防范要求的深入研究和分析，可以发现Ⅱ、Ⅲ类户风险特征主要集中在以下三个方面：
一 账户开立异常：
（1）同一身份、同一手机号、同一银行卡开立多个账户或开立多家银行账户
（2）在敏感时间、异常网络、异常地理位置开户
（3）集中特征开户（如年龄相同或相近、手机号集中、开户时间集中）
（4）开户人频繁开户、销户或变更账户信息
（5）使用的手机号属于网络销售渠道的虚拟运营商手机
二 跨行开户验证：
（1）短时间内同一银行发起或接收的实名验证交易量异常波动
（2）短时间内同一银行实名验证交易应答成功率异常波动
（3）绑定同一账户（包括同一银行卡、手机号码、身份证等，下同）连续开立多个Ⅱ、Ⅲ类账户
（4）绑定同一账户短时间内在多个银行开立Ⅱ、Ⅲ类账户
（5）异常时段（如凌晨）绑定验证账户信息开立Ⅱ、Ⅲ类账户
（6）实名验证行具有集中特征，如大量集中于个别或少数发卡银行
三 账户交易异常：
（1）开立后，连续发生大金额交易
（2）开立后，连续发生身份验证、绑定或签约非资金变动交易
（3）开立后，连续发生交易失败情况
（4）终端设备ID、网络地址、地理位置与申请开户时明显差异
（5）开立后，用户立即或多次修改手机号码、绑定账户
（6）多个不同身份的账户在同一设备或IP进行登录或操作
（7）资金集中转入、分散转出，资金分散转入、集中转出
（8）账户资金快进快出、过渡性质明显
（9）账户交易笔数短期内明显增多
（10）账户在发生小额试探性交易后，出现频繁或大额交易
（11）长期未使用的账户突然发生频繁或大额交易
（12）同一主体在极短时间内在境内不同地区或在境内、境外发生资金业务
（13）不同主体账户使用同一网络IP或MAC地址，尤其是IP地址涉及境外地区
（14）在异常时间段、异常网络地址或异常地理位置转账
（15）开户资金较小，且开户后随即将资金取走
（16）跨行验证开立账户后短时间内发起连续大额交易
（17）跨行验证开立账户后短时间内发生多笔失败应答交易
智能风控助力交易风险防控
央行新规是对II、III类账户的合规性推动，在为中小银行带来挑战的同时也带来诸多新机遇。 II类账户可以是实体卡也可以是电子账户，而III类账户以电子账户为主。 主要通过移动端、WEB端和自助设备端进行操作。
同盾 科技 认为，要满足相应监管文件要求，必须要建设企业级的全渠道事中交易风险监控系统，通过对交易终端环境、交易特征、关联交易、客户习惯行为的偏差综合评估计量交易风险，建立起对交易的事中实时监控与事后分析机制，运用大数据及AI技术，智能动态地针对不同特征的交易采取恰当的安全措施干预。
系统应从以下8个维度全面监测II、III类账户交易风险
· 设备（载体）风险维度；
· IP风险维度；
· 地理位置维度；
· 用户行为习惯维度；
· 异常交易模式维度；
· 团伙欺诈风险维度；
· 时间序列分析维度；
· 大数据风险分析维度；
针对新规带来的新要求与新挑战，同盾 科技 企业级全渠道交易风险监控系统基于设备指纹、流式计算处理、决策引擎、机器学习、复杂网络等核心技术，助力金融机构搭建智能梯度防御体系，可以在业务发生的过程中，通过对交易数据的分析和客户的行为分析，按照渠道、系统、及交易种类进行实时、准实时的监控，达到风险及时识别，防止风险事件发生。
同盾 科技 企业级全渠道交易风险监控系统
通过用户上网设备软硬件指纹信息，生成可抗黑产破解的设备标识，有效侦测模拟器、刷机改机、团伙作弊等欺诈行为，实现终端设备上的各类风险检测、行为风险分析及真机识别。
结合设备指纹、生物探针、行为特征标签、IP画像等全面的反欺诈核验信息，同盾风险决策引擎将构建出一套风险评估模型，从而准确、快速判断出用户的风险情况，为金融机构提供全景式实时反欺诈、大数据信用风控和毫秒级实时决策，有效防范各类风险。
基于复杂网络技术，为金融机构梳理并构建用户关联关系图谱，实现扩展风险防控的视角和手段，有效识别欺诈行为，并有效挖掘特征，将指标和规则应用到决策引擎，提高决策效率。 此外，基于数据的可视化分析，通过关系的角度解释风险的传导，帮助金融机构实现账户的风险防控，提升风险防控的效率和有效性，助力银行II、III类账户合规性建设。
在满足金融行业银行客户正常业务风险监测需求的同时，同盾企业级全渠道风险监控系统也完全可以覆盖监管文件中要求的以下风险监测点：
（一） 账户开立异常监测：依靠设备指纹技术、网络环境、GPS信息、IP地址信息的解析等手段、手机号码风险识别，并结合专家规则策略实现开户行为的异常监测；
（二） 绑定银行卡风险监测：对开户过程中绑定他行银行卡进行多维度分析，从绑定银行卡是否为他行电子账户、绑定他行卡的开户城市、是否境外卡综合判定是否存在以他行电子账户开立本行电子账户风险、虚假开户风险及高危银行卡开户等风险；
（三） 跨行开户验证监测：对在他行卡开户发起的验证交易进行监测，检查是否存在多开、验证交易量波动幅度等；
（四） 账户交易异常检测：对开户后的大额交易、频繁失败交易、修改绑定操作及登陆异常进行识别；
国内某股份制银行在搭建全渠道交易反欺诈风控体系的基础上，通过 历史 案例分析、开户 历史 交易数据分析以及特征筛选和规则模型训练，紧急布设了II、III类账户80余条规则策略以及注册类欺诈实时预测模型，单日拦截II、III类批量欺诈事件达3万多笔，注册风险比例从21％降至0.8％；账户关联交易侧的反查欺诈设备近百台。 注册风险欺诈模型KS值达到0.45，比行业平均水平提升10％；模型稳定性PSI接近0.001，远高于行业PSI 0.1的水平。
在帮助该银行满足监管合规和风险管理的同时显著提升了该银行业务上对II、III类账户风险的防范，不仅促进电子银行、直销银行的业务发展，还保障了该行客户资金的安全和保持了该行的声誉形象。