知識圖譜與傳統關系型數據庫最大的差別在于它是以“關系”為中心進行存儲、搜索的，在處理事物關聯方面效率遠超關系型數據庫。例如，在一個包含100萬人，平均每人約有50個朋友的數據中查找“朋友的朋友”（3度），關系型數據庫大約花費3萬秒，而圖數據庫（知識圖譜通常的存儲方式）只需要0.168秒。因此使用知識圖譜進行描述和查詢關系是最為高效的，在現實中已有不少應用場景，例如在汽車金融行業進行關聯人反欺詐。

汽車金融包含了汽車研發、生產、流通和消費的各個環節，實際中提到的汽車金融大多是指消費者在購車過程中向銀行、公司或者其他機構申請貸款用于購買汽車，簡稱車貸。一般來說，車貸的貸款金額比較大（幾萬到幾十萬），還貸周期比較長。從申請貸款的方式來看，車貸可以粗略地分為兩種，一種需要大量證明文件，甚至還需要其他抵押物，手續較為嚴格和繁瑣；另一種則只需要基本的身份信息，不需要其他抵押物，手續比較寬松。通常來說，后者有更大的消費群體，不過因為車貸申請的門檻過于寬松，在實際中車貸公司常常會收到欺詐而產生損失，其中最為嚴重的要數團伙欺詐。每起團伙欺詐通常會導致十幾輛甚至幾十輛車的損失，且難以追回；可以說，團伙欺詐是車貸風控最為重要的關注點，而知識圖譜則非常適合用于描述和發現申請貸款者之間的關系，通過關聯人之間的關系進行反欺詐。經過幾年的探索和實踐，關聯人反欺詐已經被車貸行業普遍認可和采納。

關聯人反欺詐通過構建和描繪申請貸款者之間的聯系，識別其中的異常點，并加以控制。目前使用較多的是利用申請貸款者與他人的電話聯系，這部分數據格式較為規范，可以通過申請貸款者授權后從網廳爬取。以下基于這種場景介紹三種常見的反欺詐場景。

第一種是代購欺詐，通常是主貸人資質不佳被拒絕后尋找其他人作為主貸人，替其購車。對于車貸公司而言，該筆貸款的風險非常高，代購者的還貸更容易出現逾期，出問題時追索也更困難。從圖1中很容易看出，一個新的貸款申請者和之前某個被拒絕的主貸人有較多的共同聯系人。與一些業務特征點結合，可以很容易斷定這種欺詐類型。

圖1 代購欺詐

Fig1. Purchase fraud

第二種是網狀欺詐，通常是指多個主貸人之間有較為密切的聯系。與代購欺詐相比，網狀欺詐更為隱蔽、難以識別，是一種小團伙的欺詐。一方面是車貸公司希望擴大客源，而其中一種傳播途徑就是通過已經成功放貸的申請者在其朋友圈傳播，帶來更多的申請者。識別網狀欺詐的方法可以從兩方面著手，一方面看主貸人之間聯系的密切程度，從大量的數據中發現統計規律，對數據異常的小團體予以特別關注；另一方面則從小團體的整體信用分進行控制，例如對于新的貸款申請，不僅需要評估申請者本人的信用分，也要評估其所在團體的信用分，兩者都可能產生拒絕申請的可能。

圖2 網狀欺詐

Fig2. Reticular fraud

第三種是傘型欺詐，多個主貸人間接的指向某個共同聯系人，這是最為危險的一種欺詐方式。傘型欺詐的規模一般都很大，而且是有組織的行為，一旦爆發可能數十輛車同時壞賬，損失通常都難以追回。這種欺詐的識別和斷定要復雜的多，以下僅對一種典型的場景進行介紹。從圖3可以看到，許多主貸人之間并無聯系，但是他們直接或間接指向了某些客戶（這些人注冊過、也可能做過申請，但未放貸），而這些客戶又指向了某個共同聯系人。我們可以試著解釋這種關系模型：在傘型欺詐中，存在一些高級人員（黑色聯系人），他們復雜策劃、招募初級人員進行欺詐業務；這些初級人員會對市場上出現的車貸公司進行了解和調研，通常會偽裝成申請者（客），對車貸公司的風控流程進行詳細了解，從而有針對性的指導一些申請者（常被稱為肉雞）進行申請。傘型欺詐的許多主貸人在一段時間內通常會表現為相似的特性，而這些特性是針對車貸公司的風控規則動態改變的，是一種針對性極強的欺詐方式。

圖3 傘型欺詐

Fig3. Umbrella fraud

以上通過三種關聯人欺詐介紹了知識網絡在車貸領域中的反欺詐應用，這種方式可以很容易的擴展到其他領域。其關鍵點在于通過“關系”構建網絡，結合業務的實際特點，可以有效進行反欺詐。如果有可能，關系網絡的構建不應該只限于電話聯系，居住地點、工作單位、短信、社交媒體等各種各樣的聯系都可以利用起來，通過疊加多張關系可以實現更強大的反欺