前言 大数据风控漏洞造成10亿坏账
第一节 模型与策略
人行二代征信解析建模及应用
智能数据建模 VS 人工SAS建模
大数据风控策略与规则设计
数字化风控常用模型
第二节 智能贷后催收
智能贷后管理定位与价值
智能贷后催收管理新模式
智能贷后管理系统建设与应用
智能机器人在贷后催收中的应用
RPA+AI技术在消费金融的应用
第三节 智能反欺诈
欺诈黑色产业市场现状分析
(视频教学:透过五大欺诈场景了解欺诈行业“黑话”)
(案例剖析3:5000元如何在一年内变成100万?)
互联网贷款常用反欺诈策略
四大信贷反欺诈手段
黑白名单
规则引擎
有监督学习
无监督学习
反欺诈防控体系
动态防控理念
防控体系构建
终端风控层:设备指纹、生物探针与智能验证码
分析决策层:机器学习、实施指标计算、风险态势感知
数据画像:黑产攻击事件、IP画像、设备画像
威胁情报体系
反欺诈应用数据有哪些
按照数据来源区分
按照数据类型区分
按照数据使用场景
注意事项
反欺诈模型VS信用模型
目标变量
模型特征
实时性
技术实施
第四节 反欺诈技术
设备指纹
设备指纹概述
被动式设备指纹
主动式设备指纹
常见五类欺诈形式
安卓设备指纹
安卓系统中比较稳定的设备参数
针对安卓作弊环境的检测方法
iOS设备指纹
iOS系统中比较稳定的设备参数
针对iOS设备指纹风险识别技术
WEB设备指纹
web比较稳定的设备参数
针对web设备指纹风险识别技术
基于用户行为的生物探针
生物探针:身份认证的4个阶段
无感认证:如何区分自然人与机器人
应用场景:登录、免密支付、信用卡、借贷申请等
其他实用反欺诈技术
实时指标计算实践
风险态势感知系统
基于统计分析
基于无监督学习
基于欺诈情报
预警系统
欺诈情报体系
情报采集:技术情报与事件情报
情报分析:黑产情报关键词
机器学习算法的使用
特征工程
模型选择
模型训练
授课老师
胡如意 金融科技研究院执行院长
常驻地：北京
邀请老师授课：13439064501 陈助理
