轉(zhuǎn)自：https://blog.csdn.net/hajk2017/article/details/80866115
感謝博主分享
另附Tech Fin微信社群，感興趣可添加微信wu805686220，備注研習(xí)社+姓名，邀您進群：
社群面向所有金融領(lǐng)域風(fēng)險管理人員、數(shù)據(jù)分析人員。旨在扎根TechFin，了解科技金融業(yè)務(wù)、管理、技術(shù)方面的知識，研討包括分類聚類關(guān)聯(lián)、UML、復(fù)雜網(wǎng)絡(luò)、社交圖譜、模糊匹配、分團集群、推薦算法等機器學(xué)習(xí)技術(shù)在自識別交叉營銷和全自動風(fēng)險管理方面的應(yīng)用。

---

1.大數(shù)據(jù)分析（Big Data Analysis）

大數(shù)據(jù)指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)分析是指運用可視化分析、數(shù)據(jù)挖掘算法、預(yù)測性分析能力、語義引擎、數(shù)據(jù)質(zhì)量和管理、數(shù)據(jù)存儲等方法對大數(shù)據(jù)進行分析的過程。

2.設(shè)備指紋（Device Fingerprint）

設(shè)備指紋是指通過用戶指紋為每個用戶賬戶建立唯一的ID，將用戶的網(wǎng)絡(luò)行為、設(shè)備、數(shù)據(jù)等綜合信息建立穩(wěn)定聯(lián)系，保證用戶安全。設(shè)備指紋技術(shù)可以用于包括賬戶安全、支付安全、營銷安全在內(nèi)的交易全生命周期監(jiān)控。

3.網(wǎng)絡(luò)爬蟲（Web Crawler）

網(wǎng)絡(luò)爬蟲技術(shù)既可以用于用戶運營商數(shù)據(jù)、信用卡數(shù)據(jù)、網(wǎng)絡(luò)交易數(shù)據(jù)等各類數(shù)據(jù)等的爬取，也可以應(yīng)用于司法老賴名單、網(wǎng)絡(luò)核查數(shù)據(jù)的爬取。

4.黑名單篩選（Blacklist Screening）

黑名單篩選是針對注冊用戶反欺詐的技術(shù)手段。根據(jù)用戶注冊時填寫的姓名、身份證號、手機號、銀行卡號等要素信息，加上平臺通過SDK抓取到的設(shè)備指紋和IP，進行多維度篩選，與黑名單進行匹配，命中即拒絕。

5.生物識別（Biometric）

生物識別技術(shù)如聲音識別、人臉識別等，是指對用戶特定生物特征進行檢測和識別的一種技術(shù)手段，通過比對用戶的生物特征信息，判斷用戶身份，主要用于用戶身份的核實等場景，防止出現(xiàn)用戶賬戶被盜用的情況。

6.人臉識別（Face Recognition）

人臉識別是基于人的臉部特征，對輸入的人臉圖像或者視頻流進行識別的技術(shù)。首先判斷其是否存在人臉，如果存在人臉，則進一步給出每個臉的位置、大小和各個主要面部器官的位置信息，并依據(jù)這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

7.虹膜識別（Iris Recognition）

虹膜識別基于眼睛中的虹膜進行身份識別。其核心是使用模式識別、圖像處理等方法對人眼的虹膜特征進行描述和匹配，從而實現(xiàn)個人身份自動認證。虹膜識別的主要步驟包括虹膜圖像的獲取、預(yù)處理、特征提取與編碼和分類。

8.生物探針（Biological Probe）

生物探針可以通過客戶端等途徑采集到用戶在使用過程中的多項指標(biāo)（如按壓力度、設(shè)備仰角、手指觸面、線性加速度、觸點間隔等），基于這些行為的歷史數(shù)據(jù)，通過機器學(xué)習(xí)計算專屬行為模型，用于識別是否為本人操作。

9.地理位置識別（Geographic Location Recognition）

地理位置識別是一種通過真實地理位置識別基于位置欺詐行為的技術(shù)手段。地理位置識別利用包括IP、基站、WiFi、身份證、手機號及銀行卡等多維度的地理位置信息的信息庫，精準(zhǔn)定位網(wǎng)絡(luò)訪問者的信息，包括城市、經(jīng)緯度及網(wǎng)絡(luò)類型等，從而識別欺詐行為。

10.活體檢測（Vivo Detection）

活體檢測技術(shù)主要通過要求用戶做特定動作或朗讀特定內(nèi)容，對用戶是活人還是機器進行判斷和檢測，是防范欺詐團伙批量攻擊的一種有效手段。

11.文本語義分析（Text Semantic Analysis）

文本語義分析主要用于對文本類數(shù)據(jù)的解析和挖掘，從用戶評論等文本內(nèi)容中提取用戶特征。

12.關(guān)系圖譜（Map of Relationship）

關(guān)系圖譜是利用圖數(shù)據(jù)庫，從特定維度對不同用戶和不同操作行為之間進行關(guān)聯(lián)和計算，從而發(fā)現(xiàn)不同用戶和不同操作之間的關(guān)聯(lián)關(guān)系，可以用于團伙特征檢測等場景。

13.用戶畫像（User Profile）

用戶畫像是一種通過精準(zhǔn)識別用戶進行反欺詐的手段。用戶畫像根據(jù)用戶社會屬性、生活習(xí)慣、消費習(xí)慣等信息抽象出標(biāo)簽化的用戶模型。構(gòu)建用戶畫像的核心工作是給用戶貼標(biāo)簽，而標(biāo)簽是通過對用戶信息分析獲得的高度精煉的特征識別。

14.有監(jiān)督機器學(xué)習(xí)（Supervised Machine Learning）

有監(jiān)督機器學(xué)習(xí)是反欺詐檢測中最為廣泛使用的機器學(xué)習(xí)模式。機器學(xué)習(xí)通常從有標(biāo)簽數(shù)據(jù)中自動創(chuàng)建出模型，來檢測欺詐行為。其中包含的學(xué)習(xí)技術(shù)分別有決策樹算法、隨機森林、最近鄰算法、支持向量機和樸素貝葉斯分類。

15.無監(jiān)督機器學(xué)習(xí)（Unsupervised Machine Learning）

無監(jiān)督機器學(xué)習(xí)是無需依賴于任何標(biāo)簽數(shù)據(jù)來訓(xùn)練模型的機器學(xué)習(xí)模式。其可以通過利用關(guān)聯(lián)分析和相似性分析，發(fā)現(xiàn)欺詐用戶行為間的聯(lián)系，創(chuàng)建群組，并在一個或多個其他群組中發(fā)掘新型欺詐行為和案例。

16.半監(jiān)督機器學(xué)習(xí)（Semi-Supervised Machine Learning）

半監(jiān)督機器學(xué)習(xí)是有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)相結(jié)合的一種學(xué)習(xí)方法。半監(jiān)督學(xué)習(xí)使用大量的無標(biāo)簽數(shù)據(jù)，并同時使用標(biāo)簽數(shù)據(jù)，來進行欺詐識別工作。

17.區(qū)塊鏈（Block Chain）

區(qū)塊鏈技術(shù)是利用塊鏈?zhǔn)綌?shù)據(jù)結(jié)構(gòu)來驗證與存儲數(shù)據(jù)、利用分布式節(jié)點共識算法來生成和更新數(shù)據(jù)、利用密碼學(xué)的方式保證數(shù)據(jù)傳輸和訪問的安全、利用由自動化腳本代碼組成的智能合約來編程和操作數(shù)據(jù)的一種全新的分布式基礎(chǔ)架構(gòu)與計算方式。區(qū)塊鏈去中心化、去信任的機制能夠在預(yù)防性反欺詐領(lǐng)域進行有效應(yīng)用。

18.用戶行為序列（Behavioral Sequence）

用戶行為序列也叫“基于時間序列的用戶行為”，是某一時間段內(nèi)，按照時間先后順序記錄的用戶從事某種活動的每一步行為。

?

總結(jié)

以上是生活随笔為你收集整理的【风控术语】数字金融反欺诈技术名词表的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。