消费金融蓬勃发展，反欺诈也成为消费金融迫在眉睫的问题，而大数据反欺诈则成为消费金融反欺诈的武器。
一般借款人在借款时主观意愿上不想还款，则被称为“欺诈”。这些人通过微信、qq、论坛等渠道聚集在一起，通过伪造ip地址虚拟多台电脑设备的方式，用软件同时控制多台智能终端，集中进行注册借贷。
随着消费金融的大发展，传统的金融反欺诈并不能很好地防控。传统金融反欺诈有三种模式：“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。
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，尽最大努力去拉长投资周期，但期间往往会出现规则设置僵化等问题。
目前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。
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缺失的核心难点。
于是大数据反欺诈走上舞台，并逐步成为金融反欺诈的武器。以芝麻信用、腾讯征信、百融大数据等为代表的新一批大数据公司依托跨行业、多维度的海量数据沉淀以及强大的数据挖掘、分析和预测能力，提供反欺诈服务，行业迎来新的发展希望。
大数据反欺诈的特点：
一、更高质量的数据
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。
二、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。
三、更人性化的服务
在大数据的加持下，金融反欺诈领域的服务更显人性化。
由此看来，随着互联网金融的迅猛发展，传统的金融反欺诈却并不能有效抵抗“反欺诈”，而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。