当没有足够的数据来证实客户的身份时,身份盗窃是信贷贷方的主要问题。在超级应用程序中,包含许多不同服务的大型数字平台,此问题更为相关;在一个分支中丢失客户通常意味着在其他服务中丢失它们。在本文中,我们审查了超级应用程序信息,手机线数据和传统信用风险变量的特征级融合的有效性,以便早日检测身份盗窃信用卡欺诈。通过提出的框架,我们在使用投入是替代数据和传统信贷局数据融合的模型时实现了更好的性能,从而实现了0.81的ROC AUC评分。我们从信用贷方的数字平台数据库中评估我们的方法超过大约90,000个用户。评估是使用传统的ML指标进行的,但金融成本也是如此。
translated by 谷歌翻译