作者：小伍哥

來源：小伍哥聊風控

大家好，我是小伍哥。

風控業務中，團伙挖掘是非常核心的分析方法，甚至可以說是最重要的的分析方法。而團伙挖掘的基礎就是關系數據，但是關系數據非常豐富多樣，有些同學可能會疏漏或者不知道某些重要的關系導致挖掘深度不夠。

我對自己遇到過的一些關系進行了全面的梳理（大家遇到過其他的也可以在區補充），希望能給你帶來一定的啟示作用。

商家規避網絡，需要付出巨大的成本，比如規避設備指紋關聯，需要更換設備或者購買最新的模擬器技術，為了規避支付網絡，需要購買新的支付寶賬號。

但是黑產從業人員反偵察能力不斷提高，從簡單違規到各種高科技違規，留下的信息越來越少，為了分析關聯人員，關系也有了很大的演進，從簡單可理解關系逐步到復雜抽象關系， 下面我們一一總結。

01、硬件設備關系

在互聯網上，沒人知道你是一條狗，互聯網上無法知道一個真實的用戶，因此設備指紋ID、WiFi等物理介質與用戶ID形成的關系，變得非常重要?？筛鶕罱麼天內是否共同使用過一臺設備、是否共同使用過同一個WiFi等指標衡量其中兩個用戶的關聯強度，對于對抗初期的團伙挖掘，有非常重要的意義。

02、互聯網關系物理地址

IP、Cookie等由用戶進行網頁瀏覽時形成的關系，一般來說，該類關系相對較弱，不進行直接應用，可以進行轉換應用，比如用Ip轉換后進行常用地址的統計，一般可以在盜號等場景使用效果非常不錯。

03、社交關系數據

支付寶好友、微信好友、抖音好友、微博關注等，也是非常重要的關系特征，可根據最近N天內聯系次數、關系時長等指標來衡量兩個人之間的親密程度。

04、通訊錄關系

手機通話關系、通訊錄中的備注、賬號填寫的緊急聯系人等數據、獲取兩個賬號的父子、兄弟、同學、男女朋友等關系。

05、地址關系數據

收貨地址、發貨地址、注冊地址、家庭住址等形成的關系，可以通過是否同一收貨地址，收貨地址相識程度等，計算兩個用戶緊密關系

06、營銷活動形成的關系

拉新活動形成的關系、分享關系、推薦關系等，形成各種上下層級關系，如拼多多的砍一刀、要邀請有獎等，直接形成的業務關系，也是非常重要的。

07、資金往來關系

購物支付、購物代付、轉賬、微信轉賬、銀行卡支付、銀行卡轉賬、銀行卡綁定、電話充值等，均能形成較強的關系，資金關系在大部分場景下，是極強的關系，但某些場景，可能比較通用，購物轉賬等，可能就不是很強的關系。很難形成團伙。

08、LBS地址位置數據

一種簡化方法，是用GeoHash將二維的經緯度轉換成字符串，,如北京9個區域的GeoHash字符串，分別是WX4ER，WX4G2、WX4G3等等，每一個字符串代表了某一矩形區域不同的用戶是否處于同一個區塊。同一塊的用戶，可能存在比較緊密的關系。

09、文本、圖片等內容關系

商品的標題、前幾位相似的昵稱、相同圖片或相似圖片、視頻中相似場景等內容關系 ，行為相似關系綜合相似關系，比如店鋪相似

1）圖片關系：很多風險商家 ，店鋪使用相同或相識的圖片，風險用戶，也可能使用相同或者相似的照片，利用圖片的相識關系進行關系挖掘，也是非常重要的。

2）文本關系：商家店鋪商品標題的相似性計算商家關系，評價內容相似性計算商家關系等

3）昵稱關系：很多風險用戶，采用系列的昵稱，也是一個非常重要的關系特征

10、眾包關系

一個群體移動刷單、移動進行流量點擊、一個分散群體進行網絡攻擊等，各個攻擊者之間本身不存在關系，但是受到同樣的人或者共同的目標指使，這是最難防控的一種關系。若同一個體存在多次攻擊，基本上有跡可循，若同一個體只存在一次攻擊，那基本上無跡可尋，只能通過潛伏等方式進行防控。

該種關系可以通過同步行為，進行非常高效的挖掘，參考我的另一篇文章：SynchroTrap-基于松散行為相似度的欺詐賬戶檢測算法

11、工商關系

投資關系、參股關系、董事監事等任職關系、注冊郵箱、注冊電話、注冊地址、注冊身份證等工商注冊信息，也存在巨大的網絡關系，當然，很多人會利用身份證注冊大量公司， 再利用營業執照注冊用戶，同一個營業執照也可能存在大量的賬號，這些關系都存在非常重要的作用。

12、產權關系

共用產權證明也是非常強的關系，比如兩個賬號綁定同一輛車、綁定同一個房產證明、婚姻證書等關系

13、代收代付關系

水電煤代繳費、網約車代預約、醫院代掛號、淘寶購物代付款、代點外賣等，存在這些關系的一般都比較親近或者存在某些利益關系，有非常強的關聯性?？梢栽跇I務中挖掘類似的關系進行分析研究。

14、交互關系

買家瀏覽商品、買家點擊商品、用戶點擊廣告等，搜索詞關系等，某些商搜索相同的詞的用戶可能存在某種特定的關系，同時點擊某個商品的一群消費者可能也存在某些關系，通過挖掘，都能得到一些特殊的模式。