天御风控服务提供“四位一体”的产品矩阵，涵盖场景解决方案-业务咨询-风控SaaS-风控PaaS的多维度产品输出。客户可根据实际需求灵活选择咨询、建模、平台等产品组合使用。

结合腾讯20年+黑产攻防经验，预警圈团风险、关联风险、拆借风险、账号风险、设备风险、网络风险等风险类型。辅助业务方构建风控规则，通过腾讯高表征风险标签，提高安全水位，解决信贷、租赁、交易等场景中欺诈风险。

“可疑欺诈”风险因子：根据腾讯多年金融业务展业经验，归纳出来的高危风险特征，建议在准入环节直接拦截。

“圈团欺诈”风险因子：圈团风险：识别个人的周边圈团风险状况（用户周遭的坏人浓度）；通过知识图谱和数据挖掘算法，挖掘圈团关系；识别个人用户是否黑产之间存在关联，减少团伙欺诈造成的业务损失。

“多头拆借”风险因子：多头表现客户还款能力恶化，超过一定次数可以直接在准入规则中过滤用户；“信贷逾期”风险因子：一般逾期客户视为还款意愿趋近0，业务方可以直接在准入规则中过滤用户。

“环境异常”风险因子：发现用户操作环境存在异常，注意用户设备被劫持、盗取等风险；“设备异常”风险因子：发现用户操作设备存在异常，注意用户设备是否为虚拟机、模拟器、改号软件等风险；“账号异常”风险因子：发现用户使用账号存在异常，注意用户是否为虚拟运营商、小号、非实名账号、账号声誉低等风险。

“行业风险评估” 输入字段&技术原理&输出表现

欺诈广泛存在于金融业务的各个环节。以借贷为例，欺诈造成的逾期约占总逾期的40-70%，客户通过各种欺诈手段隐藏“不想还款”的目的……

暗网上黑产、黑市、黑数据的交易，已经超过数千亿。经过十几年的发展线上黑灰产欺诈行为已经形成团伙化、组织化、流程化。平台一旦发现风险敞口，各类黑灰产一夕之间薅光抹净，让平台承受巨大资产损失……

天御反欺诈评分，集成腾讯20年黑灰产对抗经验，在前文6个方向模型的基础上，增加关系（图谱）&冲突（时序）形成“身份-设备-情报-行为-地址-环境-对象-冲突-关系”多维度全面刻画用户的欺诈风险。

欺诈评分是基于用户的基本信息和历史行为，运用数据挖掘技术构建的计量模型。通过对用户当前的申请信息进行全面分析，给出量化的欺诈风险大小。评分范围为0-100分，分数越高，欺诈风险越大，同时输出相应的风险码增加解释性。最新V6版本分为大通用、低利率、高利率三个版本。

可选风险码输出，增加反欺诈评分的可解释性：

天御欺诈评分使用方法：反欺诈评分嵌入银行贷款环节，提前发现申请环节欺诈风险，避免资损

欺诈样本的累积速度在高分段远大于正常样本。反欺诈分用户可以设定合适的阈值，当申请进件的反欺诈分高于该阈值时，拒绝该申请。设置阈值为60分，则将拒绝10.34%的申请者，同时排除约41.3%的欺诈申请。

构建用户对APP/URL的原始行为序列，充分保留长尾行为信息，通过时序模型挖掘特征，进一步判断用户信贷风险。

采用图卷积算法，实现大规模的图监督学习并对海量关系图谱进行预测。

基于元学习、多源域迁移的小样本学习方法。

优质客群指银行网贷、信用卡等较优质客群；下沉客群指互金突破24%定价的客户。

朴御信用分增强版和反欺诈通用评分的相关性42%，且从反欺诈评分与朴御组合策略来看，每个版本在不同区间都能保持强排序性。因此应用角度来看，可在同一风控流程上叠加使用两个产品。

天御行为评分模型基于多维、异构的数据源建立早期预警模型，根据用户行为偏好数据，利用机器学习和大数据技术，及时有效识别有风险的在贷人群。适用于以下场景：