本文共字，预计阅读时间。

参赛单位：大连银行股份有限公司

案例名称：云安电子渠道反欺诈系统项目

案例简介：

随着网络金融业务的快速发展，银行交易以几何倍数迅猛增长。伴随业务的发展，利用进行犯罪的黑、灰产业也随之产生，不法人员通过控制大量的虚假号码和客户信息，操纵批量设备使用专业攻击软件来获取巨额灰色收益，垃圾注册、账号盗用、点击欺诈、撞库解密、篡改信息、等欺诈手段层出不穷。为了有效应对网络欺诈的攻击，保护客户信息和资金安全，反欺诈技术应用而生，大连银行着手建立反欺诈系统，以应对外部欺诈风险。

大连银行云安电子渠道反欺诈系统，在业务安全防控中发挥效能，协助银行从客户身份识别、可疑交易监测分析、客户身份资料和交易记录保存、名单及客户行为特征等多方面共同着手，建立对欺诈犯罪的事前预防、事中监控、事后打击的全方位风控体系，有效控制交易风险。

创新技术/模式应用：

通过事前预警、事中监控、事后分析的流程，来进行风险的控制，对于出现的风险可以进行及时的阻断，在事后可以通过分析进而更好的完善规则，通过控制交易反欺诈的风险，更好的发展业务。优化提升风控预警准度，通过已经掌握的欺诈手段、黑白样本的数据分析、客群特征分析，找出对应的指标。采用决策树算法对单条指标进行学习，找出效果较强有业务含义的分支作为强特征规则的输出，并针对风险特征进行点对点抓取，逐步发现并封堵更多欺诈漏洞，阶段性进行规则特征重要性评估，提供规则模型预警精准度，确保欺诈防控工作的有效性和高效率。

优化提升风控预警准度，通过已经掌握的欺诈手段、黑白样本的数据分析、客群特征分析，找出对应的指标。采用决策树算法对单条指标进行学习，找出效果较强有业务含义的分支作为强特征规则的输出，并针对风险特征进行点对点抓取，逐步发现并封堵更多欺诈漏洞，阶段性进行规则特征重要性评估，提供规则模型预警精准度，确保欺诈防控工作的有效性和高效率。

建立事中风险防控体系，与外呼坐席关联系统互联互通，将以“客户为中心”的风控理念和全面风险管理建设思路有机结合。可通过多种数据挖掘算法，对数据进行多维度分析，挖掘出客户偏好，风险趋势，资金变化趋势，客户行为特征习惯等多种有益银行风险防控的深层次有价值的数据信息。

（1）数据采集前置平台汇集内外部数据，面向反欺诈主体，是一个不断更新的、随时间变化的数据集合。内部数据包括静态数据、历史数据；外部数据包含来自前置系统的第三方数据，数据采集前置平台的设计目的是为人工智能建模工具和风险决策系统提供有效的数据支撑作用。

（2）风险决策系统主要由规则引擎和模型引擎组成，规则主要来源于专家经验，是历史经验的沉淀，一方面可以对行内历史风险事件进行分析，形成行内历史风险规则库，另一方面可以引入行业反欺诈经验并根据行内具体需求进行个性化调优。模型引擎主要运行由人工智能建模工具创建的模型，可以以规则来运用，并通过决策流可以将规则、模型和数据进行有效整合，对交易风险进行判定。风险决策系统包括架构图中的风险大盘、规则引擎、案件管理、风险事件等模块。

（3）流计算平台完成对于交易数据的实时流式计算，支持决策引擎进行实时决策。

（4）上层业务渠道包括手机银行、网上银行、微信银行、银互通、互金平台、ATM、智慧银行。

项目效果评估：

大连银行反欺诈系统已经具备了实时反欺诈能力，通过预设一系列反欺诈指标规则，借助于机构内部交易数据、三方监管部门数据、电信及网络海量数据，进行整合加工、计算分析，规则命中分析，核对客户身份、解剖交易行为，提供实时、有效、具有前瞻性的决策支持。上线反欺诈系统、设备指纹两大平台，包括规则管理、交易监控、统计分析、名单管理、案件管理、系统管理、事件管理、风险预警等14大模块、上百功能点的开发部署等。

防控风险包括盗卡风险、失信风险、虚假开户、异常登录、异常交易、异常缴费、异常赎回、异常提现、异常注册、异常转账、账户盗用、垃圾注册等。系统从上线到目前运行状况良好，可以有效的监控电子渠道的交易风险。

大连银行云安电子渠道反欺诈系统，满足大连银行未来3-5年的业务发展，可达到城市商业银行交易风控的领先水平。

项目牵头人：

王靖舒 网络金融部 职员

项目团队成员：

王靖舒 业务支持 网络金融部

赵中英 技术支持 信息科技部

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。