作者：Neo4j大中華區(qū)總經(jīng)理方俊強(qiáng)

每年企業(yè)因欺詐所承受的損失可達(dá)數(shù)百萬美元。根據(jù)普華永道的數(shù)據(jù)，自2020年以來，近一半的企業(yè)組織都經(jīng)歷過腐敗、欺詐或其他經(jīng)濟(jì)犯罪。隨著管理者對風(fēng)險防范與控制意識的提升，越來越多的企業(yè)采用圖技術(shù)構(gòu)建應(yīng)用系統(tǒng)，解決欺詐關(guān)聯(lián)問題，以便更好地實(shí)現(xiàn)企業(yè)目標(biāo)。

圖技術(shù)的優(yōu)勢在于將數(shù)據(jù)之間的關(guān)系作為優(yōu)先級，使用圖數(shù)據(jù)庫可直觀顯示，對于高度互連、數(shù)據(jù)量龐大、數(shù)據(jù)種類繁多以及需要對復(fù)雜查詢作出快速響應(yīng)的分析非常有效。作為全球圖數(shù)據(jù)平臺的領(lǐng)導(dǎo)者，Neo4j圖數(shù)據(jù)平臺可以輕松對復(fù)雜關(guān)系進(jìn)行建模、存儲和處理，并識別隱藏在傳統(tǒng)表格數(shù)據(jù)集中的模式和洞察。Neo4j圖數(shù)據(jù)平臺優(yōu)異的可擴(kuò)展性、全面的圖算法和強(qiáng)大的圖分析能力在欺詐調(diào)查速度、欺詐識別效率和風(fēng)險傳導(dǎo)管理等方面極具優(yōu)勢。

Neo4j大中華區(qū)總經(jīng)理方俊強(qiáng)

挑戰(zhàn)日益加劇——網(wǎng)絡(luò)成為欺詐新陣地

據(jù)中國司法大數(shù)據(jù)研究院8月相關(guān)報告數(shù)據(jù)顯示，2017年至2021年，全國各級法院一審審結(jié)的涉及信息網(wǎng)絡(luò)犯罪案件共計28.20萬余件，案件量呈逐年上升趨勢，其中詐騙罪案件量占比最高，為36.53%，信息網(wǎng)絡(luò)犯罪案共涉及66萬余名被告人。

數(shù)字平臺為欺詐創(chuàng)造了新的機(jī)會，復(fù)雜的交易網(wǎng)絡(luò)可使用復(fù)雜的分層技術(shù)來掩蓋當(dāng)事人。大量小額交易通過代理、公司和金融機(jī)構(gòu)組成的迷宮進(jìn)行，使得調(diào)查人員很難開展資金追蹤。

隨著疫情引發(fā)的數(shù)字化熱潮，許多現(xiàn)有的制衡機(jī)制沒有及時更新。離線工作系統(tǒng)和流程不再適用于在線世界?；ヂ?lián)網(wǎng)無國界的特性使經(jīng)濟(jì)實(shí)體可以輕松訪問其他國家，且不受限于這些國家的管轄范疇和執(zhí)法范圍。

應(yīng)對策略核心——速度至關(guān)重要

速度對于檢測欺詐和防止其傳播至關(guān)重要。但當(dāng)前的欺詐檢測工具無法應(yīng)對如今數(shù)百萬筆交易和涉及的各方。一些機(jī)構(gòu)已經(jīng)轉(zhuǎn)向自動化、人工智能、機(jī)器學(xué)習(xí)和自然語言處理 (NLP)，但這些工具的效果也僅與提供的數(shù)據(jù)大同小異。

問題在于，使用現(xiàn)有的取證方法，數(shù)據(jù)存儲在使用以單元格（列和行）展示的傳統(tǒng)關(guān)系型數(shù)據(jù)庫系統(tǒng)中，只能關(guān)聯(lián)兩條數(shù)據(jù)。這意味著無法檢測到可能表明異常行為的關(guān)鍵模式和關(guān)聯(lián)。

隨著業(yè)務(wù)流程加速且更自動化，檢測欺詐的時間范圍正在縮小。實(shí)時解決方案變得至關(guān)重要。Neo4j知識圖譜尋找隱藏在復(fù)雜關(guān)聯(lián)事件中的模式，在更短的時間內(nèi)以可擴(kuò)展的方式從具有復(fù)雜上下文情景的大量數(shù)據(jù)中獲取有價值的信息，用戶可以對基礎(chǔ)數(shù)據(jù)進(jìn)行推理并自信地使用其進(jìn)行復(fù)雜的決策。

識別可疑鏈接

調(diào)查人員越來越多地采用圖數(shù)據(jù)科學(xué)。這是一種完全不同的存儲和管理數(shù)據(jù)的方式，使用節(jié)點(diǎn)和鏈接的圖來表示它們之間的關(guān)系。這增加了諸如“交易于”或“注冊于”之類的關(guān)鍵上下文情景，有助追蹤關(guān)聯(lián)人員。

借助Neo4j知識圖譜，可以直觀地識別人的線索和欺詐圈。根據(jù)某人與可疑實(shí)體關(guān)系的質(zhì)量、數(shù)量和距離生成“有罪關(guān)聯(lián)”分?jǐn)?shù)。隨著時間的推移，這些圖變得更加有用。一旦生成了欺詐環(huán)的模式，相似性算法就可以使用該模式來檢測其他潛在的欺詐圈及其參與者。

精準(zhǔn)預(yù)測與高效預(yù)防

保險業(yè)是最容易受到欺詐的行業(yè)之一。德勤警告稱，由于保險業(yè)務(wù)模式的數(shù)字化，自疫情以來，保險業(yè)的網(wǎng)絡(luò)風(fēng)險正在增加。傳統(tǒng)上，保險公司使用基于規(guī)則的軟件來嘗試分析數(shù)十萬個索賠，其中高達(dá)10%的索賠可能是捏造或夸大的，具體取決于類別。

蘇黎世瑞士是蘇黎世保險集團(tuán)的一部分，最初成立由25名現(xiàn)場調(diào)查員組成的團(tuán)隊，負(fù)責(zé)調(diào)查潛在的欺詐案件。但是由于自動生成的報告數(shù)量過大而無法處理。為了更有效地進(jìn)行分類，蘇黎世轉(zhuǎn)向了圖數(shù)據(jù)平臺。調(diào)查人員現(xiàn)在已經(jīng)從基于規(guī)則的風(fēng)險工具轉(zhuǎn)向基于圖的應(yīng)用程序，該應(yīng)用程序存儲了大約 2000 萬個節(jié)點(diǎn)和3500萬個關(guān)系。他們可以篩選并快速識別大量信息中的任何問題。該圖可以立即顯示爭議中的各方是否有關(guān)聯(lián)，特別是故意撞車騙保的交通事故。

有效保護(hù)供應(yīng)鏈

供應(yīng)鏈龐大而廣泛，供應(yīng)商網(wǎng)絡(luò)深厚而且涉及的交易數(shù)量巨大，很容易受到欺詐的影響。其中一個場景就是食品丑聞，合格產(chǎn)品被更便宜、劣質(zhì)或假冒產(chǎn)品所替代。正如畢馬威所觀察到的，“在當(dāng)今全球市場中，串通回扣、賄賂和腐敗以及操縱投標(biāo)的行為越來越普遍，而且越來越難以被發(fā)現(xiàn)”。

采購平臺Transparency-One嘗試開發(fā)一個基于傳統(tǒng)列和行數(shù)據(jù)庫的可視化平臺，該平臺使用SQL（結(jié)構(gòu)化查詢語言）來查詢數(shù)據(jù)。其目的是確?？勺匪菪圆⑹褂脩裟軌蛩阉魇芴囟ㄔ牧匣蛟O(shè)施問題影響的任何產(chǎn)品。

但是信息數(shù)量和結(jié)構(gòu)對于該平臺來說實(shí)在太多，無法快速處理。Transparency-One因此轉(zhuǎn)移到了圖數(shù)據(jù)平臺。它能夠分析數(shù)千種不同的產(chǎn)品，并在幾秒鐘內(nèi)生成結(jié)果。制造商和品牌所有者可以了解、監(jiān)控、分析和搜索他們的供應(yīng)鏈，并共享有關(guān)生產(chǎn)場所和產(chǎn)品的重要數(shù)據(jù)。

傳統(tǒng)技術(shù)無法檢測精心設(shè)計的欺詐圈或大量可疑活動，與之相比，可存儲更豐富、更深入數(shù)據(jù)的圖數(shù)據(jù)科學(xué)能夠?qū)崿F(xiàn)實(shí)時分析和欺詐預(yù)防，為組織節(jié)省數(shù)百萬美元。

越來越多的公司將在數(shù)字優(yōu)先經(jīng)濟(jì)中面臨更嚴(yán)峻的欺詐挑戰(zhàn)，需要以更大的敏捷性擴(kuò)展解決方案流程。圖技術(shù)在處理關(guān)系復(fù)雜數(shù)據(jù)上的優(yōu)勢有目共睹，國內(nèi)外各行各業(yè)如火如荼地開展圖技術(shù)的探索和應(yīng)用，其未來前景也將大放異彩。