移动数字金融与电子商务反欺诈白皮书

目录：

• 一、移动数字金融与电子商务中的欺诈现状

• 二、黑产欺诈态势分析

• 三、移动数字金融和电子商务领域的反欺诈方案

• 四、反欺诈的技术与效果评估

• 五、移动业务反欺诈的挑战及展望

报告摘要：

随着移动互联网与传统金融和电子商务的深入结合，其不仅带给 用户更便捷的使用体验，同时极大地推动了我国数字经济的发展。目 前我国在移动互联网服务的发展深度和市场规模都已经领先全球，但 与此同时，新的欺诈手段也不断衍生。这种情况不仅给我国广大消费 者造成了巨大的经济损失，同时也影响了行业的整体形象，给我国移 动互联网的长期健康发展和产业创新带来了诸多消极影响。

按照欺诈对象的不同，欺诈行为主要分为两大类:针对用户的欺 诈和针对企业的欺诈。本白皮书主要研究针对企业的欺诈行为及其防 范方法。

1.1 移动数字金融与电子商务欺诈概述

金融和商品交易是现代经济体系的核心。随着信息技术的发展， 金融和商品交易也在逐步信息化，形成了数字金融和电子商务的模式。 无论是服务方式、获客渠道都基于现有的信息化基础设施，极大提升 了传统经济活动的服务效率，降低了服务成本。然而，与此同时信息 服务也给欺诈行为带来了更多的手段和渠道，使得传统欺诈行为的危 害大大提升。

以网贷平台为例，截止 2018 年末，累计出现问题的平台数量超过 4000 家，占网贷平台总量的 70%以上。而在电子商务领域，根据Pyts. 在 2017 年 10 月发布的一份全球电子商务欺诈报告，电 商欺诈将导致全球电商市场在 2017 年损失 580 亿美元。在此背后的 “黑色产业”肆虐发展，已经渗透到账号注册、身份伪造、宣传导流、 借贷支付等各个环节。据估计，相关“黑色产业”从业人员超过 500万，涉及金额达到千亿级别。总体而言，数字金融和电子商务是欺诈 行为高发的“重灾区”，成为形形色色的黑色产业攻击的主要对象。

整个市场流量“移动化”的背景下，不论是传统线下业务还是原 本由 PC 互联网承载的业务，都在逐步向移动端拓展。而其在整个移 动互联网业务中，数字金融和电子商务是两个非常重要的领域，与广 大居民的日常生活息息相关。与此同时，上述两个领域所暴露的欺诈 风险也越来越严峻。

具体而言当前的移动欺诈主要包括以下几种形式:

1.1.1 营销活动欺诈

营销活动欺诈指，在企业进行新用户获客及老用户唤醒时所采取 的如红包、优惠券等运营成本，被黑灰产利用技术手段不正当获利， 导致营销活动失败的场景。

在营销活动欺诈中，存在羊毛党和黄牛党两种关键角色。

• 羊毛党:操纵大量账号仿冒新用户，参与营销活动，获取优惠券奖励。或者通过收取费用代人下单，从而获取利益。

• 黄牛党:操纵大量账号参与营销活动，活动购买资格，购买 后，高价卖给其他用户，从而获取利益。对于比较稀缺的、价 值比较高的商品，会出现黄牛党。

1.1.2 渠道流量欺诈

渠道流量欺诈指，黑灰产利用技术手段仿冒移动应用新增用户， 独自或与第三方推广平台合作，共同骗取移动互联网应用(App)市 场运营成本的场景。

据数美科技统计，2017 年全球范围内 App 安装欺诈占总 App 推 广安装量的 7.8%左右，亚洲地区 App 安装欺诈占同地区总 App 推广 安装量的 11%~12%左右。保守估计 2017 年全球由于渠道流量作弊导 致的损失高达 11~13 亿美元。

目前，随着移动互联网的高速发展，渠道流量作弊也呈现出快速增长的趋势。

App 安装渠道流量作弊有不同的形式，其中常见的几种:

• 机刷:通过批量地虚拟机、篡改设备等手段，刷安装激活;l 人刷:通过做奖励任务形式，人肉刷安装激活;

• 木马刷:通过感染移动设备，在正常手机后台偷偷刷下载激活;

• 点击劫持:通过恶意软件，当检测到用户下载安装某App时，发出点击记录。

除了这些手段，App 安装渠道流量作弊也越来越隐蔽，使得检测 难度越来越大，常见的伪装包括:

• 通过代理IP、位置模拟、设备型号伪装等，让群控设备看起 来像是自然分布;

• 在安装激活后，继续模拟后续的 App 内用户行为，使得留存率看起来正常;

1.1.3 虚假用户裂变欺诈

虚假用户裂变欺诈是指 App 采用“用户裂变”的方式来进行推 广获客时，黑产通过控制大量假账号，骗取平台拉新补贴的场景。

当前，移动互联网用户流量红利渐渐消失，App 常常使用“用户 裂变”的方式进行拉新获客，以期降低流量获取的费用。如下图所示， 所谓用户裂变，就是将 App 已有用户都是获取新用户的渠道，即通过 一定的激励措施，刺激已有用户通过自己的关系链帮助平台拉新。

该场景中，常依靠邀请码等方式建立师徒关系后，要求徒弟或者 师傅做任务，才能获得所有奖励或者获得提现资格。例如，拉取新用 户以后，需要徒弟每天完成一定的任务量才可以获得奖励，一般需坚 持 7 天时间才能将拉新奖励的 3-8 元拿完。黑产通常通过注册大量的 假账号，骗取平台拉新补贴。

1.1.4 盗取信息欺诈

盗取信息欺诈指，欺诈团伙通过高额利息、高价值奖品、高额度 折扣等虚假宣传欺骗网络用户，并要求用户填写个人信息，从而实现 非法盗取用户信息的目的。

相关欺诈作案手段多样，难以发现。而非法获取的公民信息又常 常通过非法转卖的方式流入地下黑产，给居民造成巨大的隐患。

1.1.5 恶意交易欺诈

恶意交易欺诈指，黑灰产利用移动互联网交易的便利性，在交易 中的货到付款、退、换货政策等环节中，利用漏洞进行牟利。

不同于传统的线下交易模式，在移动互联网的线上交易中，由于 交易实现的便利性，交易生成的过程得到了大大简化。这在给消费带 来便利的同时，也使得以欺诈为目的的大规模恶意交易成为可能。这 些交易通常利用货到付款、退、换货政策等电子商务交易机制中的漏 洞进行牟利，或以让商家受到损失为目的。这类欺诈通常隐蔽性更高， 其中很大部分并不直接以牟利为主要目标，而来源于针对于对商业同 行的恶意攻击。这类有组织的恶意交易近年来增长迅速，相关欺诈的 恶意蔓延，可能对我国移动互联网健康的商业环境造成长期重大的消 极影响。

1.1.6 金融支付欺诈

金融支付欺诈指，利用不正当的技术手段在支付的各个环节谋取 不正当利益的行为。

目前，移动金融尤其是移动支付已经成为居民日常生活中不可或 缺的组成部分。目前，基于金融和支付的欺诈也在日益增长。包括利 用的支付系统的漏洞在用户不知情的情况下非法盗取用户资金;通过 伪造网站、公司、项目等手段骗取用户资金;通过一些第三方支付平 台发行的商户的 POS 机虚构交易套现;将非法所得的资金转移到第 三方支付平台账户，在线购买游戏点卡、比特币、手机充值卡等物品， 再对外销售进行洗钱等活动。这些行为严重扰乱了金融和社会秩序。

1.1.7 网络刷单欺诈

网络刷单欺诈指，灰产模拟活跃用户对商品评论或购买数量进行 恶意操纵，从而导致消费者受到欺骗或商家受到损失。

随着移动互联网业务日益发达，评论和反馈机制对于商品质量和 服务提升起到了重要作用，用户评论和购买数量等数据已经成为用户 做出选择的重要依据。正因如此，相关业务也伴随着重大的经济价值， 成为另一个欺诈高发的领域。一些商家有意的恶意操纵评论，误导消 费者做出错误选择，严重破坏了整个移动互联网商业生态的信用体系。 目前，刷好评、炒信用已经衍生为灰色产业链，各种刷单、刷信誉等 兼职层出不穷。在这种情况下，很容易产业 “劣币驱逐良币”的现象，某些卖家刷好评、刷信誉度的同时，遵守规则的商家利益就会受 到侵害，从而对我国数字经济的长期健康发展产生造成不良影响。

网络刷单团伙的特点:操纵大量的账号，并通过运营刷手群或直 接利用软件工具来实现对平台玩家的粉丝数/评论数等多项指标进行 刷榜造假;与有需求用户交易，从而谋取利益。

1.1.8 电信欺诈

电信诈骗主要通过电话、短信以及互联网联系作为主要手段的诈 骗案件，意在获取被害人的财产、银行账户等隐私信息。常见的手法 有:1冒充熟人进行诈骗:如，冒充公司领导、摸清公司人员架构后 向财务人员发送转账汇款指令;2以中奖、退税、积分兑换等馅饼类 为由，进行诈骗:如，事先获得事主购买的房产、汽车等信息，以税 收政策调整办理退税为由，诱骗事主转账到指定账户;3冒充公检法、 公安局等政府机构，进行诈骗:如，通过收集的受害者的隐私信息如身份证号、工作单位、住址等，获得初步信任，再通过改号软件伪装为警方电话，假称受害者涉嫌洗钱、非法集资等重大犯罪案件，诱导 其一步步将资金转入指定账户。

1.1.9 网贷欺诈

网贷欺诈风险是指，申请人的还款能力无法通过互联网有效远程 判断，申请人利用线上申请环节的漏洞伪造数据故意违约或线上黑色 产业链利用技术手段劫持互联网贷款平台信息恶意进行团伙欺诈行 为。

随着互联网+模式的深入各个行业，互联网贷款市场也在不断扩 大，随之而来的是大规模的线上逾期风险和线上黑色产业野蛮生长。 主要欺诈手段有;申领大量手机号码，同时利用这些非常用号码进行 大量刷量消费从而提高信用评级;通过技术手段修改伪造身份信息、 手机设备信息、位置信息达到骗取贷款并躲避贷后催收的目的;利用 公共信用信息更新缓慢的时间差同时申请多家平台贷款，恶意透支信 用度。

1.1.10 优质内容爬取欺诈

优质内容爬取欺诈，是指通过网络爬虫(又称网络蜘蛛)，按照 某种规则在网络上爬取所需内容的脚本程序。

对于被爬取内容的各种资讯类 A 来说，损失非常巨大。这些 平台雇佣大量编辑人员，投入大量时间、金钱成本、写出\运营出的高 质量内容，却很快被爬虫窃取，形同侵权。

再以各类出行机票类 A 为例，此类 A 上的机票价格大都采 用动态定价的方式，服务器会结合当下浏览量判定机票的抢手程度并 且调整价格。这时如果有大量爬虫在浏览 A，算法就会给出和实际 情况并不符合的定价，这也会损伤消费者购买到廉价产品的权益。

爬虫带来的危害远非如此，爬虫的行为会极大地增加数据分析难 度，文章浏览量的失实让我们误判人们对新闻事实的关注程度、爬虫 衍生出的虚拟 IP 需要在数据清洗时剔除......技术越高超的爬虫，在行 为模式上就越接近真人，也就更加增加数据分析时的难度。久而久之， 那些我们以为从人类行为中寻找规律的算法，反而寻找到的是机器人 的行为规律。

总体而言，爬虫盗取内容和数据的行为对企业危害甚大，不仅会 降低企业内容新鲜度，甚至侵犯企业敏感数据、增加企业运营风险。

……

更多内容请参见原报告。

如需完整报告请登录【未来智库官网】。

关注公众号“未来智库”，及时获取最新内容。

（报告来源：中国信息通讯研究院等）

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）