在互联网金融风生水起的当下，P2P行业内流行着一群俗称“羊毛党”。他们用实际行动“薅羊毛”，领取甚至抢夺各大互联网平台上的返利、返现和优惠券，吃到了如今互联网福利江湖中最大的那块蛋糕。

正常的投资人在投资时享受一些平台的羊毛福利无可非议。但是专业的羊毛团队对平台造成的危害却不可估量，在一定程度上构成了金融欺诈。金融欺诈已经成为了行业健康发展不可忽视的风险。

亦友亦敌，网贷平台与羊毛党剪不断理还乱

网贷平台与“羊毛党”之间存在的一种又爱又恨的矛盾关系。

对于平台来说，“羊毛党”的出现，一方面快速提升注册人数和交易量的行为，可以推动平台快速发展，使平台运营数据取得了一定的增长。同时，也拥有了融资的资本，让企业可能迎来虚假繁荣。因此，网贷平台在运营初期往往侥幸地希望获得“羊毛党”的垂青，以博取用户量及订单数的快速提升。

另一方面，“羊毛党”所带来的却仅仅是短期欺诈式的繁荣。红利期一过，“羊毛党”无利可图便纷纷撤离，转战下一个红利站点，“羊毛党”不但带走了大批可观的流量，更是卷走了平台用于贴补的大量资金。

据悉，去年有不少于100家P2P公司遭到羊毛党攻击，损失惨重，光是深圳、浙江两地就有20多家跑路。“羊毛党”的出现是互联网金融发展漏洞的产物，同时也是一种畸形的黑色幽默。

2019年1月20日凌晨，拼多多出现大羊毛，任意账户可以领百元无门槛券，这个券可以在拼多多全场抵扣使用。该漏洞一直持续到上午十点左右才被堵上，不少网民用百元券充值的话费和Q币已到账。业内人士估计，此次漏洞，拼多多损失可能超过千万。

拼多多这次漏洞明显是风控能力不足导致。

如果按照正常的活动流程，百元券需要设立领取门槛，结合设备指纹、登陆IP、账号等级等，给定一个领取概率，以此来避免羊毛党利用虚拟设备来批量囤积优惠券。

传统型金融反欺诈手段！

那么，怎么抵制羊毛党的金融诈骗，我们从传统的方式看。

传统的金融反欺诈一般有三种模式：“黑白名单”、基于规则的防范机制和利用内部数据进行建模分析防控风险等方法。

作为基本的防范措施，黑白名单这种反欺诈模式存在一定的滞后性，在没有平台用户全数据的整合分析下（用户行为、交易和资金数据、以及用户个人信息），真实用户被误杀的概率会很大。

基于规则的防范机制也是金融企业的常用应对措施，这些平台会通过设置一些活动的隐形规则、投资门槛和活动陷阱，尽最大努力去拉长羊毛党投资资金在平台上的周期时间，降低薅羊毛的整体收益，但期间往往会出现规则设置僵化等问题。

基于用户数据的反欺诈模式中，国内的反欺诈服务商大多以数据验证和交叉比对为主，但无法深入用户内部生产环境，由此也无法在规则优化，模型训练，欺诈确认等方面行成闭环，对用户风险的预判容易出现偏颇。另外一些平台会把数据资产当作自己的隐私，不希望平台的核心数据脱离平台本身，于是在打击反欺诈团伙时导致很多第三方监控产品能获取的用户数据极少，监控效果往往不理想。

由此来看，传统的金融反欺诈模式只能实现一定程度的“未雨绸缪”，并不能很好的解决风险大数据的缺失、或因共享不足等构筑反欺诈“防护网”的核心难点。

大数据反欺诈模型让羊毛党无所遁形！

随着互联网金融的迅猛发展，金融欺诈的风险也越来越高，然而传统的金融反欺诈却并不能有效抵抗这种金融风险，大数据金融反欺诈走上历史舞台，并为整个未来新金融的发展保驾护航。

更高的输入数量和质量：传统金融反欺诈模式的数据往往在多样性、实时性、完整性、准确性和真实性上存在比较大的问题，而大数据可以通过全行业无差别服务的资源积累，为金融反欺诈前期的信息验真提供更多和更高质量的数据。

更精准的欺诈模型：评判反欺诈服务质量好坏的关键一环便是模型的准确度，目前大数据反欺诈平台的一大作用就是帮助企业优化自己的欺诈模型，为金融企业的借贷行为及产品决策提供更精准的建议。

更人性化的服务内容：在大数据的加持下，金融反欺诈领域的服务更显人性化，在保证正常用户体验的前提下，将职业羊毛党及一些其它金融欺诈行为拒之门外。

严监管环境下，羊毛党即将风光不再！锐滨商调——大数据风控反欺诈引航者，建立精准风控模型，提升金融机构企业的风控能力，减少资金与品牌损失！

文章来源：财世汇、图文来源于网络，如有侵权，请联系删除。