清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

案例名称

徽商银行移动金融交易反欺诈平台

案例简介

为积极应对日益严峻的互联网风险形势,保障客户资金交易安全。徽商银行根据业务发展需要,建设并上线了移动金融反欺诈平台。该平台采用主流的风险防控理念,综合运用大数据、人工智能等主流技术,实现对手机银行、个人网银、微信银行、三方支付等移动金融渠道交易的实时监测。依托该平台,徽商银行健全了线上交易风险监测体系,完善了风险防控模式和处置机制,有效提升了交易风险的防控能力,保障了移动金融业务的快速、稳健发展。

创新技术/模式应用

(一)主流技术的综合应用

1、环境检测

在移动客户端集成专用SDK,采集多维度威胁特征和环境风险状态,检测设备是否存在篡改、仿冒、代理、模拟器、Root、攻击框架、应用注入等风险,保护移动客户端交易安全。

2、设备指纹

在移动客户端引入设备指纹,通过底层设备硬件和相似度模型相结合的设备指纹算法,叠加后台设备库中的海量信息,为设备生成唯一ID,构建客户身份和所用设备的一一对应关系,为后续风控规则识别提供依据。

3、机器学习

构建基于机器学习算法的智能化风控模型,开展离线数据分析。通过业务数据的分析和模型的自学习,发现新风险特征,洞察新欺诈模式,持续迭代提升风险防范能力。

4、关联图谱

通过关联图谱和大数据可视化技术,对历史数据进行深度挖掘。建立设备、IP、账号等节点信息间的匹配关系,发现各类节点间的关系网络,挖掘潜在团伙或隐藏风险。

5、流式计算

基于流式处理模式,支持高并发、实时交易处理,在毫秒内完成对海量数据进行实时入库和对风险行为判断指标的实时计算,并针对计算结果给出交易行为的实时控制措施。

1

(二)一体化的风控体系

1、“智能+人工”的全流程风控

移动金融反欺诈采取全流程风险防控。事前,在移动端和反欺诈平台均部署规则,实施双向监测,确保运行环境和客户身份安全;事中,由智能决策引擎对客户进行实时计算,按照风险数值采取相应的控制策略;事后,运营人员对各类预警尤其是高风险预警,进行数据抽取、关联分析和风险评估,及时介入干预。

2、“非现场+现场”的联动排查

对于移动金融反欺诈平台预警产生的风险数据,总行不定期开展非现场分析,结合专家经验进行综合研判,梳理形成可疑客户清单;由分支机构进一步现场核实、确认,总分支三级联动、高效处理,提升整体防控效果。

3、基于黑灰名单的分类管理

引入黑灰名单管理机制,细化客户风险分级分类,不同风险等级的客户,采取差异化策略。对于黑名单客户,各渠道实时进行交易阻断;对灰名单客户,持续开展行为监测,发现异常即组织排查并采取相应控制措施。

项目效果评估

1、建立交易实时监测体系

移动金融反欺诈平台无缝对接电子渠道各项业务场景,通过、实时计算、环境分析检测、关联图谱、机器学习等技术的综合应用,实现个人业务线上交易风险的实时监控。目前,移动金融反欺诈平台,对手机银行、个人网银、三方支付等渠道登录、注册、账务交易、绑卡、签约、解约、修改密码、开户等40个场景,部署了1200多条规则,对每日超过500百万笔交易进行实时监控,极大提升了风险监测效率。

2、显著提升风险防控效果

移动金融反欺诈平台利用大数据、人工智能等技术,采集客户交易数据,结合客户历史信息,通过监测设备、行为、交易、外部环境等要素,对风险用户和交易进行实时管控与精准拦截,取得了显著的风险防范效果。系统上线以来,拦截高风险线上开户8000余户;根据系统提供的预警线索,排查4000余户(对其中1800余户采取限制非柜面、销户等风控措施),发现疑似团伙案件3起,其中疑似毒品洗钱一起、疑似地下钱庄一起、电信诈骗一起,涉及47人、交易金额18000万元;疑似地下钱庄的可疑专报受到监管部门的认可。

3、沉淀自主风险数据库

反欺诈平台在实时监测、处置基础上,对高风险的设备、账号和ip等进行自动筛选为黑/灰名单库,结合人工排查,形成本行自有的风险数据库。截至2022年4月,已沉淀黑名单3200余户。通过对风险数据的深入分析,一方面了解客户群的特征、手法及操作轨迹,进一步丰富、优化风控模型;另一方面,通过风险信息的内部共享,提高全行的风险识别和防范能力。

项目牵头人

巩浩/个人移动金融部产品研发团队经理

项目团队成员

邓玉慧、方小祥、晏文博、韩李飞、洪加明、程庭婷

[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。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。