目前金融领域欺诈行为呈现出专业化、产业化、隐蔽化、跨区域、场景化等特征， 为 金融领域的反欺诈工作带来了严峻的挑战。当前， 数据流通、要素流转存在系列卡点堵点，严重阻碍了风险识别的准确性和效率，具体体现在： 一是数据孤岛现象严重，单一机构数 据维度受限，难以获取全方位用户信息；二是数据流通不畅，安全合规成本高昂，难以形 成欺诈合力；三是数据采集标准不一 ，数据质量良莠不齐，增加了数据运营成本。 为打击电信网络欺诈和治理黑灰产， 践行央企责任，本案例以安全合规的方式接入多 源数据，构建了黑灰产防治与欺诈风险预警一体化方案，实现数据高效协同、安全流转， 为金融行业健康发展保驾护航。

本案例充分发挥联通运营商多维数据优势， 构建起一个跨行业、多维度的黑灰产治理 与欺诈风险预警体系，打造金融反诈识别预警综合产品。 1. 高效汇聚多源数据，全面融合异构信息 依托自研“多源数据融合与汇聚平台”，高效整合联通内部的实时动态数据资源并合 规融合电信类、互联网类、风险名单类等多源外部数据，结构化存储以保障易用性和可扩 展性，通过 Hive 和 Spark 等大数据计算引擎，以确保高时效性处理。 2. 构建反诈模型矩阵，深度剖析行为模式 建立一套标准化、行业化的超过 1200 个维度的黑灰产特征及潜在受害人与风险人群 标签库，构建以“风险人群洞察模型”、“GOIP 诈骗设备智能化侦测模型”、“跑分行 为检测模型”、“恶意网站智能甄别模型”、“黑产团体发现模型”五大模型为主的智能 反诈模型矩阵，主要赋能“事前风险预警、事中实时阻断、事后风险排查”全流程中实时 精准的风险控制。 3. 严格遵循合规要求，保障数据安全互通 与外部合作方建立可通讯隐私计算节点， 保证数据“可用不可见”安全传输；利用隐 私求交技术确保跨机构样本安全对齐；通过横向联邦学习，合作补充构建金融属性特征； 通过纵向联邦学习构建多维度反欺诈融合模型。

技术创新方面，依托机器学习、隐私计算、图网络多级关联处理等技术构建了反诈智 能模型矩阵，实时捕捉并解析各类潜在风险信号，以可视化驾驶舱的形式直观展示风险态 势，辅以详尽的数据洞察分析报告和灵活高效的 API 接口调用服务，全方位满足金融机构 在预防、监测、干预和后期复盘等全流程的风险防控需求。 模式创新方面， 一是多源数据汇聚融通、打造跨域联防创新模式。通过多源数据接 入融合平台，实现广覆盖、标准化的数据储备，探索数据要素融合应用。二是强化数据 安全防护，推动多方可信合作新模式。在推进跨行业数据协作与业务联动的过程中，创 造性地提出了“多方安全计算 + 区块链”双核驱动的数据共享框架，确保各参与方不泄 露原始数据。

经济效益方面，凭借运营商全网数据优势，基于手机号、网络账号、网站、APP、设 备、IP 信息、通信行为、社交行为、互联网行为等多维度的风险感知能力， 实现网络流、 信息流、通信流的检测与风险识别。反诈巡检模型在全面监测境外非法网站、赌博诈骗活 动等态势方面覆盖 90% 以上恶意 APP 库，能够实现涉诈骚扰号码、潜在受害人、高危情 报的实时预警和溯源，显著提升了在黑灰产治理中的数据能力积淀。此外在全面监测境外 非法网站、赌博诈骗活动等态势方面，利用数据分类、知识图谱构建欺诈交易识别模型， 案例在多家银行得到推广，并与多个银行机构展开 POC 测试，模型精确度高达 90% 以上， 对金融反诈工作产生 30-50% 的成效增益。 社会效益方面，从“事前、事中、事后”全流程环节充分发挥电信运营商诈骗黑灰产 治理能力，在打击电信网络诈骗、维护金融秩序与公众权益中发挥了关键作用，自推广以 来累计挽损 / 止付涉赌涉诈资金损失上亿规模。此外，该方案在金融反电信网络诈骗领域 赢得了社会价值认可，通过技术创新和行业合作树立了良好品牌形象，并在各类行业会议 上展示实力，如在中国大数据大赛中荣获金融领域大数据创新应用赛道三等奖，获得星河 优秀案例。