使用图形数据库进行欺诈检测

银行和保险公司每年因欺诈损失数十亿美元。传统的欺诈检测方法在减少这些损失方面发挥着重要作用。然而，越来越老练的欺诈者已经开发出各种方法来逃避发现，他们既合作，也利用各种其他手段来构建虚假身份。图形数据库提供了新方法，可以高度准确地揭露欺诈团伙和其他复杂的骗局，并且能够实时阻止高级欺诈场景。

虽然没有任何欺诈预防措施是完美的，但通过超越单个数据点，关注它们之间的联系，可以获得巨大的改进机会。这些联系往往被忽视，直到为时已晚——这是不幸的，因为这些联系往往蕴藏着最好的线索。了解数据之间的联系并从这些联系中得出意义并不一定意味着收集新数据。

只需重新定义问题，并以一种新的方式（即以图表的形式）查看，即可从现有数据中得出重要见解。与大多数其他查看数据的方式不同，图表旨在表达相关性。图形数据库可以发现使用表格等传统表示难以检测的模式。越来越多的公司正在使用图形数据库来解决各种关联数据问题，包括欺诈检测。

本文讨论了三种最具破坏性的欺诈类型中出现的一些常见模式：第一方银行欺诈、保险欺诈和电子商务欺诈。虽然这三种欺诈类型完全不同，但它们都有一个非常重要的共同点：欺骗依赖于可以通过关联分析发现的间接层。在每个示例中，图形数据库都提供了重要的机会来增强现有的欺诈检测方法，使规避变得更加困难

另请参阅： 在微软交易中最大化杠杆的四种方法

示例 1：第一方银行欺诈

背景

• 第一方欺诈是指诈骗者申请信用卡、贷款、透支和无担保银行信贷额度，却无意偿还。这对银行机构来说是一个严重的问题。
• 美国银行每年因第一方欺诈损失数百亿美元1，据估计，第一方欺诈占美国总消费信贷冲销的四分之一或更多。据进一步估计，美国和欧洲主要银行的 10%-20% 无担保坏账被错误分类，实际上是第一方欺诈。
• 这些损失的惊人规模可能是由两个因素造成的。首先，第一方欺诈很难被发现。欺诈者的行为与合法客户非常相似，直到他们“破门而入”时，他们会清空所有账户并迅速消失。
• 第二个因素（稍后将详细探讨）是诈骗团伙参与者的数量与诈骗团伙控制的总金额之间呈指数关系。这种关联爆炸式增长是犯罪团伙经常利用的一个特点。
• 然而，虽然这一特性使得这些计划具有极强的破坏性，但也使得它们特别容易受到基于图形的欺诈检测方法的影响。

下载阅读有关欺诈检测的完整白皮书：使用图形数据库进行欺诈检测