所谓的关系图谱是描述个体及个体之间关系的图。以移动支付场景的关系图谱为例，个体类型可以包括IP地址、设备、支付账户、账户联系人等，个体之间也可以存在不同的关系，比如IP登录行为、设备登录行为、联系人登记行为等。

　　那么，苏宁金融“幻识”关系图谱是如何“揪出”欺诈分子的呢?

　　举个常见的例子。假设用户小王的手机丢失了，现在手机一般都设置了解锁密码，不法分子想要破解小王的账户通常会将手机SIM卡更换到另一台设备，然后通过短信密码的方式登录小王的各类账户。“幻识”系统检测到小王的账户在新设备登录时，会使用关系图谱对账户和设备进行安全校验。如果这个设备在曾经登录许多账号，或者与高风险账号、手机号、IP有间接或直接的关联，那么就会认为该设备是有风险的，将暂时冻结该设备和账号的转账和交易权限，避免用户的资金损失。

　　小王在丢失手机之后，可能会使用备用手机或配偶的手机登录自己的账号，确认资金安全。这个时候“幻识”也会采用关系图谱对这个登录手机进行多维度校验。比如，这个手机在晚间和小王的常用设备的GPS定位接近、登录IP相同，并且这个手机的关联账号与小王的账号有转账、充值等交易记录，那么就可以认定这个登录手机是安全的，所发起的交易操作不会被拦截。

　　此外，现在很多金融公司都提供信贷产品，即便个人账户里没有资金，但是不法分子在盗取账户之后会申请信贷额度，然后购买易变现的电子产品获取非法收益。这种情况下，除了前面提到设备、账户等维度校验外，关系图谱还可以捕捉在交易层面的蛛丝马迹，比如订单的收货手机号和收货地址是否关联了许多不同账户的订单，即便是伪造的地址也可以经过自然语言处理之后进行模糊匹配。对于这种存在风险的订单“幻识”也可以进一步校验或直接拦截。

　　苏宁金融风控专家介绍，传统的反欺诈分析则依赖关系型数据库，主要根据直接的关联关系进行分析，如一个设备登录了多少个账号、一个收货地址有多少订单等，无法直观获取全维度的整体信息。

　　而“幻识”数据规模达50亿级，基于大规模图计算的2C、2B关系挖掘系统，实施行为监控、收集、分析，构建了一个多类型的实体关系网络，可以及时预警潜在风险，为苏宁生态圈及金融行业客户“一键”提供提供威胁检测、异常检测及反欺诈行为分析。

　　具体而言，使用“幻识”检索存在异常行为的账户号，系统将智能化、精准化挖掘所有与该账户有直接或间接关系的关键信息。据此，反欺诈分析人员可以建立一套完整的反欺诈模型，快速制定反欺诈数据图谱，从而定位核心作案人员和其他疑似欺诈分子，帮助平台抓取不良客户。

　　值得一提的是，包含“幻识”反欺诈图谱在内，近年来苏宁金融基于集团资源和金融科技构建了大数据反欺诈平台。为防止支付欺诈，苏宁金融打造了“寻迹”位置画像模型、“识器”设备指纹识别体系、风险特征库解析系统;针对信用欺诈，打造了资金饥渴度模型、“笛卡尔”中介拦截系统、“石出”消费贷评分体系;为预防营销欺诈，打造了“极目”黄牛识别系统，“晓身”防盗账户系统等。大数据反欺诈平台，有效保障了苏宁金融用户的交易安全和金融业务顺利开展。

　　未来，秉承“全场景 更普惠”的服务宗旨，苏宁金融将继续坚持“科技驱动发展”的战略，不断迭代大数据反欺诈技术，提高风控服务能力，保障金融安全，提升用户体验，助力实体经济发展。