来源同盾科技制图陈厚文

　　协查案件。同盾科技摸索出在贷中管理环节配合案件调查及进行犯罪团伙行为分析。

　　不难发现，“羊毛党”关系网络（图8左）的“体貌特征”表现在中间节点是设备序列号，周边节点则是手机号码。信用卡养卡“套现”关系网络（图8中）的“体貌特征”表现在中间节点是身份证号码，周边节点则是银行卡号。消费贷骗贷关系网络（图8右）的“体貌特征”表现在中间节点是设备序列号，周边节点则是手机号码和银行卡号。于是，沿着周边节点可以“顺藤摸瓜”，逮捕中间节点便可能“擒贼先擒王”。

　　图8“羊毛党”、信用卡养卡“套现”及消费贷骗贷关系网络

来源同盾科技

　　截至2018年8月末，同盾科技已识别疑似欺诈团伙250万个，其成员数量4600万人，其中核心成员数量达880万人。目前，日均拦截团伙数量达30万个，涉及成员90万人，其中中介人员、恶意逾期者、“羊毛党”成员等约15万人。

　　《金卡生活》得到截至2017年2月末的数据样本（虽然不是最新数据，但也具有一定代表性）发现，疑似欺诈团伙在“被发现”的渠道分布上，设备序列号比重最高，达45%；其次分别是手机号码、身份证号码；而银行卡号却非疑似欺诈团伙的“最爱”。

　　表4疑似欺诈团伙在“被发现”渠道分布

来源同盾科技

　　当然，互联网上保护账户安全的技术远不止上述“双锏”，尚有诸多人工智能工具和大数据技术，不一而足，无法穷举。

　　银行全场景反欺诈保护“六层铠甲”。在互联网上如何保护账户安全，同盾科技祭出六层保护。

　　首层，从识别虚假点击激活、分析设备作弊行为和提供渠道刷量报告，建立渠道推广保护层；

　　次层，采取识别人机行为、分析账户行为、识别可信环境及分析账户信息（虚假号码等），构筑账户安全保护层；

　　第三层，以甄别“羊毛党”库、识别人机行为和分析用户交易行为，形成营销活动保护层；

　　第四层，采取识别刷单库及人机行为、分析用户交易行为，确立交易支付保护层；

　　第五层，以过滤敏感词库、分析智能语义、图像OCR（OpticalCharacterRecognition，光学字符识别）、深度学习模型，构建内容安全防护层；

　　第六层，采取识别人机行为、分析接口调用及全局关联、提供攻击分析报告，确定接口安全保护层。

　　【案例1】同盾科技联合A银行直销银行实施反欺诈

　　A银行直销银行向同盾科技发出诉求，对用户账户进行安全保护，同时降低被“黑产”制造者攻击的概率。 免责声明：凡本网注明 “来源：XXX(非中国房产新闻网)” 的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。