CN109816519A - 一种欺诈团伙识别方法、装置及设备 - Google Patents

Abstract

本发明公开了一种欺诈团伙识别方法、装置及系统，包括：确定任一贷款申请用户所处的团伙，至少包括与贷款申请用户具有一度人脉关系或二度人脉关系的用户；依据团伙中的各个用户是否存在于预设欺诈黑名单，确定第一欺诈度；根据个人记录信息，计算团伙中各个用户之间的相似度；依据团伙中各个用户之间的相似度，确定第二欺诈度；综合第一欺诈度和第二欺诈度，确定团伙是否为欺诈团伙。本申请结合互联网金融公司贷款的具体场景特点，对欺诈团伙进行识别，并将识别结果提供给互联网金融公司工作人员，工作人员可以通过拒贷或增加人工审核等方式对相关人员的贷款申请进行处理，以降低互联网金融公司的资金损失风险。

Description

一种欺诈团伙识别方法、装置及设备

技术领域

本申请涉及互联网金融领域，具体涉及一种欺诈团伙识别方法、装置及设备。

背景技术

随着互联网金融的蓬勃发展，通过互联网申请小额贷款的人越来越多，同时，不法分子为了谋取利益，伙同他人伪造虚假信息进行骗贷的行为也越来越猖獗。

团伙欺诈往往会给互联网金融公司造成重大的资金损失，所以，如何避免团伙欺诈从而减少资金损失是互联网金融公司亟待解决的问题。

发明内容

本发明提供了一种欺诈团伙识别方法、装置及设备，能够结合互联网金融公司贷款的具体场景特点对欺诈团伙进行识别，最大程度的保证识别的准确性，减少互联网金融公司的资金损失。

第一方面，本申请提供了一种欺诈团伙识别方法，所述方法包括：

确定任一贷款申请用户所处的团伙；所述团伙至少包括与所述贷款申请用户具有一度人脉关系或二度人脉关系的用户；

依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度；

以及，根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度；其中，所述个人记录信息包括账单记录、消费记录、社保记录和/或就业记录；依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度；

综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。

一种可选的实施方式中，所述综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙之前，还包括：

依据所述团伙中贷款申请用户的个数，为所述团伙确定第三欺诈度；

相应的，所述综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙，具体为：

综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙。

一种可选的实施方式中，所述综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙，包括：

分别为所述第一欺诈度、所述第二欺诈度和所述第三欺诈度设置权重；并根据所述权重、所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，计算所述团伙为欺诈团伙的概率。

一种可选的实施方式中，所述确定任一贷款申请用户所处的团伙，包括：

采集任一贷款申请用户的用户信息；

将携带所述用户信息的所述贷款申请用户加入预先建立的社交关系图谱，并计算所述贷款申请用户与所述社交关系图谱中的各个用户之间的关联关系；所述关联关系包括一度人脉关系和二度人脉关系；

将所述社交关系图谱中与所述贷款申请用户具有所述一度人脉关系或所述二度人脉关系的用户组成所述贷款申请用户所处的团伙。

一种可选的实施方式中，所述用户信息包括多种联系信息；

所述计算所述贷款申请用户与所述社交关系图谱中的各个用户之间的关联关系，包括：

分别为所述多种联系信息中的每种联系信息设置权重；

统计所述贷款申请用户与第一用户分别通过每种联系信息建立联系的次数；所述第一用户为所述社交关系图谱中除所述贷款申请用户之外的任一用户；

根据所述贷款申请用户与所述第一用户分别通过每种联系信息建立联系的次数，以及对应联系信息的权重，计算所述贷款申请用户与所述第一用户之间的联系度；

如果所述联系度符合预设条件，则确定所述第一用户与所述贷款申请用户具有一度人脉关系；

如果第二用户与所述贷款申请用户具有一度人脉关系，且所述第二用户与所述第一用户不具有一度人脉关系，则确定所述第二用户与所述贷款申请用户具有二度人脉关系；所述第二用户为所述社交关系图谱中除所述贷款申请用户和所述第一用户之外的任一用户。

第二方面，本申请实施例还提供了一种欺诈团伙识别装置，所述装置包括：

第一确定模块，用于确定任一贷款申请用户所处的团伙；所述团伙至少包括与所述贷款申请用户具有一度人脉关系或二度人脉关系的用户；

第二确定模块，用于依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度；

第三确定模块，用于根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度；其中，所述个人记录信息包括账单记录、消费记录、社保记录和/或就业记录；依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度；

第四确定模块，用于综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。

一种可选的实施方式中，所述装置，还包括：

第五确定模块，用于依据所述团伙中贷款申请用户的个数，为所述团伙确定第三欺诈度；

相应的，所述第四确定模块，用于具体用于：

综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙。

一种可选的实施方式中，所述第四确定模块，包括：

第一设置子模块，用于分别为所述第一欺诈度、所述第二欺诈度和所述第三欺诈度设置权重；

第一计算子模块，用于根据所述权重、所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，计算所述团伙为欺诈团伙的概率。

一种可选的实施方式中，所述第一确定模块，包括：

采集子模块，用于采集任一贷款申请用户的用户信息；

加入模块，用于将携带所述用户信息的所述贷款申请用户加入预先建立的社交关系图谱；

第二计算子模块，用于计算所述贷款申请用户与所述社交关系图谱中的各个用户之间的关联关系；所述关联关系包括一度人脉关系和二度人脉关系；

组成子模块，用于将所述社交关系图谱中与所述贷款申请用户具有所述一度人脉关系或所述二度人脉关系的用户组成所述贷款申请用户所处的团伙。

一种可选的实施方式中，所述用户信息包括多种联系信息；

所述第二计算子模块，包括：

第二设置子模块，用于分别为所述多种联系信息中的每种联系信息设置权重；

统计子模块，用于统计所述贷款申请用户与第一用户分别通过每种联系信息建立联系的次数；所述第一用户为所述社交关系图谱中除所述贷款申请用户之外的任一用户；

第三计算子模块，用于根据所述贷款申请用户与所述第一用户分别通过每种联系信息建立联系的次数，以及对应联系信息的权重，计算所述贷款申请用户与所述第一用户之间的联系度；

第一确定子模块，用于在所述联系度符合预设条件时，确定所述第一用户与所述贷款申请用户具有一度人脉关系；

第二确定子模块，用于在第二用户与所述贷款申请用户具有一度人脉关系，且所述第二用户与所述第一用户不具有一度人脉关系时，确定所述第二用户与所述贷款申请用户具有二度人脉关系；所述第二用户为所述社交关系图谱中除所述贷款申请用户和所述第一用户之外的任一用户。

第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述权利要求中任一项所述的欺诈团伙识别方法。

第四方面，本申请还提供了一种欺诈团伙识别设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述权利要求中任一项所述的欺诈团伙识别方法。

本申请实施例提供的欺诈团伙识别方法中，首先确定贷款申请用户所处的团伙，其次根据依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度；以及，根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度，并依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度；最终，综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。本申请结合互联网金融公司贷款的具体场景特点，对欺诈团伙进行识别，并将识别结果提供给互联网金融公司工作人员，工作人员可以通过拒贷或增加人工审核等方式对相关人员的贷款申请进行处理，以降低互联网金融公司的资金损失风险。

进一步的，在欺诈黑名单和个人记录信息相似度判断条件的基础上，本申请加入团伙中贷款申请人数的条件，使得欺诈团伙的判断条件与互联网金融公司贷款的具体场景结合的更紧密，进一步提高了欺诈团伙识别准确性，降低了互联网金融公司的资金损失风险。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种欺诈团伙识别方法的流程图；

图2为本申请实施例提供的一种团伙确定方法的流程图；

图3为本申请实施例提供的另一种欺诈团伙识别方法流程图；

图4为本申请实施例提供的一种欺诈团伙识别装置的结构示意图；

图5为本申请实施例提供的一种欺诈团伙识别装置的结构示意图；

图6为本发明实施例提供的一种欺诈团伙识别设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

针对目前互联网金融公司中存在的团伙骗贷行为，本申请提供了一种欺诈团伙识别方法，结合互联网金融公司贷款的具体场景特点，对欺诈团伙进行识别，并将识别结果提供给互联网金融公司工作人员，工作人员可以通过拒贷或增加人工审核等方式对相关人员的贷款申请进行处理，以降低互联网金融公司的资金损失风险。

方法实施例一

参见图1，为本申请实施例提供的一种欺诈团伙识别方法的流程图，该方法包括：

S101：确定任一贷款申请用户所处的团伙；所述团伙至少包括与所述贷款申请用户具有一度人脉关系或二度人脉关系的用户。

本申请实施例结合互联网金融公司借贷业务的特点，通常确定由与贷款申请用户具有一、二度人脉关系的用户组成的团伙，能够在欺诈团伙的识别效率和准确性方面得到平衡。

其中，一度人脉关系是指两个用户具有直接关联关系，二度人脉关系是指两个用户具有间接关联关系。例如，用户A和用户B具有一度人脉关系，用户B和用户C也具有一度人脉关系，则用户A和用户C通过用户C就具有了间接关联关系，即用户A和用户C具有二度人脉关系。

实际应用中，用于确定团伙的方式较多，本申请实施例对团伙的确定方式不做具体限定。其中，一种可选的实施方式中，可以通过以下方法实现团伙的确定，具体的，参考图2，为本申请实施例提供的一种团伙确定方法的流程图，该方法包括：

S1011：采集任一贷款申请用户的用户信息。

其中，用户信息可以包括用户标识信息和用户联系信息等，其中，用户标识信息用于唯一标识用户，可以为用户的身份证号码；用户联系信息可以包括邮箱、电话、微信号、QQ号、地址、设备指纹、登录IP信息等。

S1012：将携带所述用户信息的所述贷款申请用户加入预先建立的社交关系图谱，并计算所述贷款申请用户与所述社交关系图谱中的其他用户之间的关联关系；所述关联关系包括一度人脉关系和/或二度人脉关系。

本申请实施例将携带用户信息的贷款申请用户加入预先建立的社交关系图谱作为其中的一个节点。其中，社交关系图谱中的各个节点用于表示携带用户信息的用户，节点之间的连线用于表示用户之间的关联关系。

实际应用中，社交关系图谱中可以预先存储若干携带用户信息的用户作为节点，其中，已存储用户可以为已经被标记为欺诈用户的用户，假如贷款申请用户与被标记为欺诈用户的用户具有关联关系，可以说明该贷款申请用户很大程度也存在欺诈的嫌疑。

实际应用中，用于计算社交关系图谱中两个用户之间的关联关系的方法较多，本申请实施例不做具体限定。其中，如果两个用户之间存在任何邮件往来、通话、使用同一设备、用同一IP登录或社交交流等即可视为两个用户之间存在关联关系，为此，本申请实施例可以依据用户的联系信息计算两个用户之间的关联关系，作为一种可选的实施方式。

具体的，针对互联网金融公司的具体场景，首先为用户的多种联系信息中的每种联系信息分别设置权重，例如存在6中联系信息，则分别将权重设置为Weight1、Weight2、Weight3、Weight4、Weight5和Weight6。具体的可以根据互联网金融公司的经验分别设置权重，同时权重也可以做优化调整。

其次，统计S1011中的贷款申请用户与第一用户分别通过每种联系信息建立联系的次数，其中第一用户为社交关系图谱中除该贷款申请用户之外的任一用户。例如，用户A与用户B通过第i种联系信息(如电话)建立联系的次数记为：Count<A，B，i>。

再次，根据该贷款申请用户与第一用户分别通过每种联系信息建立联系的次数，以及对应联系信息的权重，计算该贷款申请用户与第一用户之间的联系度。例如，用户A与用户B之间的联系度可以为：如果计算得到的联系度符合预设条件，则可以确定第一用户与该贷款申请用户具有一度人脉关系。一种可选的实现方式中，预设条件可以为联系度大于1，也就是说，如果LINK(A，B)>1，则说明用户A与用户B之间具有一度关系人脉。

另外，如果第二用户与该贷款申请用户具有一度人脉关系，且第二用户与第一用户不具有一度人脉关系，则确定第二用户与该贷款申请用户具有二度人脉关系；其中，第二用户为所述社交关系图谱中除该贷款申请用户和第一用户之外的任一用户。

S1013：将所述社交关系图谱中与所述贷款申请用户具有所述一度人脉关系和所述二度人脉关系的用户组成所述贷款申请用户所处的团伙。

基于互联网金融公司的借贷业务的特点，为了保证欺诈团伙的识别效率和准确性之间的平衡，本申请实施例将社交关系图谱中与该贷款申请用户具有度人脉关系的用户和具有二度人脉关系的用户组成团伙，作为本申请实施例的识别对象。

S102：依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度。

本申请实施例中，可以根据以往互联网金融公司的借贷经验，对存在欺诈的用户设置欺诈黑名单，以便在这类用户再次申请贷款时能够做出相应的预警，避免资金损失；或者，也可以根据用户过往信贷记录等确定欺诈黑名单。

实际应用中，在确定贷款申请用户所处的团伙后，判断该团伙中的各个用户是否存在于预设欺诈黑名单中，如果该团伙中的任一用户存在于预设欺诈黑名单中，则说明该团伙可能为欺诈团伙。一种可选的实现方式中，第一欺诈度可以是0或1标识，0表示该团伙中不存在预设欺诈黑名单中的用户，相反，1表示该团伙中存在预设欺诈黑名单中的用户。另外，第一欺诈度也可以为0-100之间欺诈得分。

S103：根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度；其中，所述个人记录信息包括账单记录、消费记录、社保记录和/或就业记录；依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度。

基于互联网金融公司借贷业务的特点，本申请实施例还依据个人记录信息确定欺诈团伙，由于同一个团伙中的用户个人记录信息非常相似可以说明其个人记录信息存在为了贷款而造假的可能，例如，为了贷款成功而由第三方公司代缴社保若干月等。因此，本申请实施例根据团伙中各个用户的个人记录信息计算各个用户之间的相似度并依据各个用户之间的相似度为该团伙确定第二欺诈度。一种可选的实施方式中，如果团伙中相似度超过预设阈值个数大于预设第一数量(如1或2，可根据互联网金融公司的容忍度确定)，则将该团伙的第二欺诈度确定为1，否则为0。同样的，第二欺诈度也可以是0或1标识，也可以为0-100之间欺诈得分。

具体的，个人记录信息可以包括账单记录、消费记录、社保记录和/或就业记录等。实际应用中，计算团伙中各个用户之间的相似度的方法较多，本申请实施例不做具体限定。本申请实施例提供了一种计算团伙中各个用户之间的相似度的方法，以计算A和B之间的相似度为例，如下：

1)根据A、B的账单记录，确定A和B的月账单金额之差，取绝对值记为a；

2)根据A、B的消费记录，确定A和B的月消费记录数之差，取绝对值记为b；

3)根据A、B的消费记录，确定A和B的月消费记录收款方重叠数，取绝对值记为c；

4)根据A、B的社保记录，确定A和B的月社保缴费记录数之差，取绝对值记为d；

5)根据A、B的就业记录，确定A和B就业单位是否一致记为e；其中，相同则e取值为1，否则为0；

6)计算A和B之间的相似度S(A,B):

S(A,B)＝ln(b)+ln(c)+ln(d)+e-ln(a)。

值得注意的是，S102和S103的执行顺序在本申请中不做限制。

S104：综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。

本申请实施例基于互联网金融公司的特点，结合欺诈黑名单和个人记录信息的相似度确定团伙为欺诈团伙，能够提高欺诈团伙的识别准确性。具体的，综合第一欺诈度和第二欺诈度，确定团伙是否为欺诈团伙。

一种可选的实施方式中，分别为第一欺诈度和第二欺诈度设置权重，可以根据欺诈黑名单和个人记录信息的相似度在信贷业务中欺诈团伙识别的重要性确定，如第一欺诈度的权重为0.7，第二欺诈度的权重为0.3。然后根据第一欺诈度、第二欺诈度以及二者的权重，确定团团伙是否为欺诈团伙，以及计算该团伙的欺诈概率。例如，第一欺诈度为1，第二欺诈度为0，则该团伙的欺诈概率为0.7*1+0.3*0＝0.7，说明该团伙为欺诈团伙，且欺诈概率为70％。针对欺诈团伙，互联网金融公司的工作人员可以拒贷或增加人工审核等方式对相关人员的贷款申请进行处理，以降低互联网金融公司的资金损失风险。

另一种可选的实施方式中，第一欺诈度和第二欺诈度可以为0-100之间欺诈得分，例如，团伙中存在预设欺诈黑名单中的用户个数为1时，第一欺诈度为70分，个数为大于1时，第一欺诈度为100分；团伙中各个用户之间的相似度大于预设阈值的个数为1时，第二欺诈度为50分，个数为大于1时，第二欺诈度为80分，具体可以根据具体情况设置，在此不做限制。分别为第一欺诈度和第二欺诈度设置权重后，计算该团伙的欺诈概率，具体的，可以将最终分数大于预设分数的团伙确定为欺诈团伙。

本申请实施例提供的欺诈团伙识别方法中，首先确定贷款申请用户所处的团伙，其次根据依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度；以及，根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度，并依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度；最终，综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。本申请结合互联网金融公司贷款的具体场景特点，对欺诈团伙进行识别，并将识别结果提供给互联网金融公司工作人员，工作人员可以通过拒贷或增加人工审核等方式对相关人员的贷款申请进行处理，以降低互联网金融公司的资金损失风险。

方法实施例二

在上述方法实施例一的基础上，本申请实施例加入团伙识别的条件，使得团伙识别的准确性更高。具体的，参考图3，为本申请实施例提供的另一种欺诈团伙识别方法流程图，该方法包括：

S301：确定任一贷款申请用户所处的团伙；所述团伙至少包括与所述贷款申请用户具有一度人脉关系或二度人脉关系的用户。

S302：依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度。

S303：根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度；其中，所述个人记录信息包括账单记录、消费记录、社保记录和/或就业记录；依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度。

本申请实施例中的S301-S303与方法实施例一中的S101-S103相同，可参照理解，在此不做赘述。

S304：依据所述团伙中贷款申请用户的个数，为所述团伙确定第三欺诈度。

互联网金融公司的贷款业务中因利息因素等很少出现亲朋好友组团借款的现象，所以，结合应用场景，可以将团伙中贷款申请用户的个数作为欺诈团伙的一个判断条件。

一种可选的实施方式中，如果团伙中贷款申请用户的个数超过预设第二数量，则确定第三欺诈度为1，否则为0；第三欺诈度可以是0或1标识，也可以为0-100之间欺诈得分。

值得注意的是，S302、S303和S304的执行顺序在本申请中不做限制。

S305：综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙。

一种可选的实施方式中，首先分别为所述第一欺诈度、所述第二欺诈度和所述第三欺诈度设置权重；其次，根据所述权重、所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，计算所述团伙为欺诈团伙的概率。其中，权重设置方式可根据经验等，具体的计算方式可参照方法实施例二中的S104进行理解。

本申请实施例提供的欺诈团伙识别方法，在欺诈黑名单和个人记录信息相似度判断条件的基础上，加入团伙中贷款申请人数的条件，使得欺诈团伙的判断条件与互联网金融公司贷款的具体场景结合的更紧密，进一步提高了欺诈团伙识别准确性，降低了互联网金融公司的资金损失风险。

装置实施例

参见图4，为本实施例提供的一种欺诈团伙识别装置的结构示意图，该装置包括：

第一确定模块401，用于确定任一贷款申请用户所处的团伙；所述团伙至少包括与所述贷款申请用户具有一度人脉关系或二度人脉关系的用户；

第二确定模块402，用于依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度；

第三确定模块403，用于根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度；其中，所述个人记录信息包括账单记录、消费记录、社保记录和/或就业记录；依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度；

第四确定模块404，用于综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。

参考图5，为本申请实施例提供的另一种欺诈团伙识别装置的结构示意图，在图4中各个模块的基础上，还可以包括第五确定模块501，具体的：

第五确定模块501，用于依据所述团伙中贷款申请用户的个数，为所述团伙确定第三欺诈度；

相应的，所述第四确定模块404，用于具体用于：

综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙。

其中，所述第四确定模块404，包括：

第一设置子模块502，用于分别为所述第一欺诈度、所述第二欺诈度和所述第三欺诈度设置权重；

第一计算子模块503，用于根据所述权重、所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，计算所述团伙为欺诈团伙的概率。

其中，所述第一确定模块401，包括：

采集子模块，用于采集任一贷款申请用户的用户信息；

加入模块，用于将携带所述用户信息的所述贷款申请用户加入预先建立的社交关系图谱；

第二计算子模块，用于计算所述贷款申请用户与所述社交关系图谱中的任一用户之间的关联关系；所述关联关系包括一度人脉关系和/或二度人脉关系；

组成子模块，用于将所述社交关系图谱中与所述贷款申请用户具有所述一度人脉关系和所述二度人脉关系的用户组成所述贷款申请用户所处的团伙。

一种可选的实施方式中，所述用户信息包括多种联系信息；

所述第二计算子模块，包括：

第二设置子模块，用于分别为所述多种联系信息中的每种联系信息设置权重；

统计子模块，用于统计所述贷款申请用户与第一用户分别通过每种联系信息建立联系的次数；所述第一用户为所述社交关系图谱中除所述贷款申请用户之外的任一用户；

第三计算子模块，用于根据所述贷款申请用户与所述第一用户分别通过每种联系信息建立联系的次数，以及对应联系信息的权重，计算所述贷款申请用户与所述第一用户之间的联系度；

第一确定子模块，用于在所述联系度符合预设条件时，确定所述第一用户与所述贷款申请用户具有一度人脉关系；

第二确定子模块，用于在第二用户与所述贷款申请用户具有一度人脉关系，且所述第二用户与所述第一用户不具有一度人脉关系时，确定所述第二用户与所述贷款申请用户具有二度人脉关系；所述第二用户为所述社交关系图谱中除所述贷款申请用户和所述第一用户之外的任一用户。

本申请实施例提供的欺诈团伙识别装置，结合互联网金融公司贷款的具体场景特点，对欺诈团伙进行识别，并将识别结果提供给互联网金融公司工作人员，工作人员可以通过拒贷或增加人工审核等方式对相关人员的贷款申请进行处理，以降低互联网金融公司的资金损失风险。

进一步的，本申请实施例在欺诈黑名单和个人记录信息相似度判断条件的基础上，加入团伙中贷款申请人数的条件，使得欺诈团伙的判断条件与互联网金融公司贷款的具体场景结合的更紧密，进一步提高了欺诈团伙识别准确性，降低了互联网金融公司的资金损失风险。

相应的，本发明实施例还提供一种欺诈团伙识别设备，参见图6所示，可以包括：

处理器601、存储器602、输入装置603和输出装置604。欺诈团伙识别设备中的处理器601的数量可以一个或多个，图6中以一个处理器为例。在本发明的一些实施例中，处理器601、存储器602、输入装置603和输出装置604可通过总线或其它方式连接，其中，图6中以通过总线连接为例。

存储器602可用于存储软件程序以及模块，处理器601通过运行存储在存储器602的软件程序以及模块，从而执行欺诈团伙识别设备的各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。输入装置603可用于接收输入的数字或字符信息，以及产生与欺诈团伙识别设备的用户设置以及功能控制有关的信号输入。

具体在本实施例中，处理器601会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器601来运行存储在存储器602中的应用程序，从而实现上述欺诈团伙识别方法中的各种功能。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本申请实施例所提供的一种欺诈团伙识别方法、装置及设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种欺诈团伙识别方法，其特征在于，所述方法包括：

确定任一贷款申请用户所处的团伙；所述团伙至少包括与所述贷款申请用户具有一度人脉关系或二度人脉关系的用户；

依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度；

以及，根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度；其中，所述个人记录信息包括账单记录、消费记录、社保记录和/或就业记录；依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度；

综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。

2.根据权利要求1所述的欺诈团伙识别方法，其特征在于，所述综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙之前，还包括：

依据所述团伙中贷款申请用户的个数，为所述团伙确定第三欺诈度；

相应的，所述综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙，具体为：

综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙。

3.根据权利要求2所述的欺诈团伙识别方法，其特征在于，所述综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙，包括：

分别为所述第一欺诈度、所述第二欺诈度和所述第三欺诈度设置权重；并根据所述权重、所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，计算所述团伙为欺诈团伙的概率。

4.根据权利要求1-3任一项所述的欺诈团伙识别方法，其特征在于，所述确定任一贷款申请用户所处的团伙，包括：

采集任一贷款申请用户的用户信息；

将携带所述用户信息的所述贷款申请用户加入预先建立的社交关系图谱，并计算所述贷款申请用户与所述社交关系图谱中的各个用户之间的关联关系；所述关联关系包括一度人脉关系和二度人脉关系；

将所述社交关系图谱中与所述贷款申请用户具有所述一度人脉关系或所述二度人脉关系的用户组成所述贷款申请用户所处的团伙。

5.根据权利要求4所述的欺诈团伙识别方法，其特征在于，所述用户信息包括多种联系信息；

所述计算所述贷款申请用户与所述社交关系图谱中的各个用户之间的关联关系，包括：

分别为所述多种联系信息中的每种联系信息设置权重；

统计所述贷款申请用户与第一用户分别通过每种联系信息建立联系的次数；所述第一用户为所述社交关系图谱中除所述贷款申请用户之外的任一用户；

根据所述贷款申请用户与所述第一用户分别通过每种联系信息建立联系的次数，以及对应联系信息的权重，计算所述贷款申请用户与所述第一用户之间的联系度；

如果所述联系度符合预设条件，则确定所述第一用户与所述贷款申请用户具有一度人脉关系；

如果第二用户与所述贷款申请用户具有一度人脉关系，且所述第二用户与所述第一用户不具有一度人脉关系，则确定所述第二用户与所述贷款申请用户具有二度人脉关系；所述第二用户为所述社交关系图谱中除所述贷款申请用户和所述第一用户之外的任一用户。

6.一种欺诈团伙识别装置，其特征在于，所述装置包括：

第一确定模块，用于确定任一贷款申请用户所处的团伙；所述团伙至少包括与所述贷款申请用户具有一度人脉关系或二度人脉关系的用户；

第二确定模块，用于依据所述团伙中的各个用户是否存在于预设欺诈黑名单，为所述团伙确定第一欺诈度；

第三确定模块，用于根据所述团伙中各个用户的个人记录信息，计算所述团伙中各个用户之间的相似度；其中，所述个人记录信息包括账单记录、消费记录、社保记录和/或就业记录；依据所述团伙中各个用户之间的相似度，为所述团伙确定第二欺诈度；

第四确定模块，用于综合所述第一欺诈度和所述第二欺诈度，确定所述团伙是否为欺诈团伙。

7.根据权利要求6所述的欺诈团伙识别装置，其特征在于，所述装置，还包括：

第五确定模块，用于依据所述团伙中贷款申请用户的个数，为所述团伙确定第三欺诈度；

相应的，所述第四确定模块，用于具体用于：

综合所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，确定所述团伙是否为欺诈团伙。

8.根据权利要求7所述的欺诈团伙识别装置，其特征在于，所述第四确定模块，包括：

第一设置子模块，用于分别为所述第一欺诈度、所述第二欺诈度和所述第三欺诈度设置权重；

第一计算子模块，用于根据所述权重、所述第一欺诈度、所述第二欺诈度和所述第三欺诈度，计算所述团伙为欺诈团伙的概率。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如权利要求1-5任一项所述的欺诈团伙识别方法。

10.一种欺诈团伙识别设备，其特征在于，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5任一项所述的欺诈团伙识别方法。