一、项目背景及目标

       项目建设背景

      伴随着云计算、大数据、社交网络、搜索引擎等技术的快速发展，银行业务的经营发展进入全新的移动互联网化经营模式，金融服务不仅突破了时空的限制，更是融于各类场景之中、无处不在，客户可以便捷地享受金融服务。但是，在传统金融机构业务互联网化和新型互联网金融模式快速发展的同时，受利益诱惑，在互联网上也存在利用非法手段进行欺诈的黑色产业，其运用各种手段窃取客户的卡片信息、账户信息、设备信息、社交信息和短信信息等数据，进行有针对性的欺诈攻击，使得金融机构和客户防不胜防，且互联网欺诈手段越来越复杂多样，银行业务受到的欺诈风险也在急剧增加。针对金融场景下数据高质量、高精准性的要求，利用人工智能及大数据技术，提升对用户的精准刻画能力，构建多层次化的金融大数据智能风控安全防御体系尤为重要。

       项目建设目标

       建设全行级风险防控体系，建立统一、全面的风险监控及支付风控反欺诈平台，实现全行各个渠道及业务场景的事前、事中、事后交易风险识别、分析、鉴别、控制界。

业务层面，覆盖全行各业务场景的多个交易渠道，实现跨业务场景的风险横向识别，打破业务边界；使用数据挖掘技术对数据进行多维度分析，识别出隐藏的欺诈交易，防止各类欺诈风险的发生；提供指标、规则、策略、模型的编辑、运行等全生命周期管理和动态部署监控功能，并支持赋值化调整；通过规则流调用实时侦测模型进行隐式欺诈的识别，完善规则风险梯度，避免风险无限蔓延。

      技术层面，平台采用大数据分布式处理架构，保证自身统计引擎、规则引擎等核心处理模块高效运行。结合大数据的流式处理和分析引擎技术，对行为特征指标、实时交易流水、规则因子等进行分布式缓存管理，大程度降低对数据库读取的依赖，更好的支持高并发处理能力。同时，采用决策树-直推式-聚类- prefixspan算法计算交易关联度，建立数十种欺诈策略。利用大数据技术、动态数据分布处理技术、以及AI强化学习等多种算法，深入挖掘客户习惯，对风险特征进行多维度分析，智能识别欺诈风险，实现对风险交易的有效干预和拦截。

二、项目/策略方案

      平台架构按照模块化、参数化、标准化进行设计，建设后的系统具备规范性、先进性、前瞻性、安全性、高效性、实用性、可靠性、灵活性、扩展性，并且支持现有软硬件环境。

       技术设计原则：

       系统设计符合SOA整体架构规范，按照标准J2EE框架进行开发和部署，具备跨平台特性。同时遵循组件化、模块化、参数化、高内聚、松耦合设计原则，建设后的系统具备良好的扩展性、可配置性、开放性、可用性，满足各类分级任务流程的定制和管理，以应对后续逐步增长的交易量以及新增业务系统的接入。

       系统支持应用系统级和数据库级自动负载均衡、基于X86架构的PC Server集群部署，实现服务动态分配，动态地进行横向和纵向扩展；支持主流操作系统平台（支持Linux）、数据库产品（支持MySQL/Oracle）、中间件平台（支持WebLogic平台上的应用集群部署）及主流硬件厂商设备。

      系统具有严密的安全体系，传输的数据安全可靠，实现数据的一致性及无差错运行。同时，系统操作界面统一、简洁、友好，具有良好的用户管理、运维监控及日志管理功能。

三、创新点

       构建全局智能风控决策中心

       整合行内外和跨行业数据及多维度跨场景行为特征，实现跨渠道、跨业务的用户行为追踪，综合评估用户行为风险。全局与各业务环节场景在信息与决策的互动中，实现数据的不断积累补全、模型策略的不断优化升级，形成自我完善的反欺诈生态圈。建立企业级全渠道防控策略的统筹管理，规范欺诈风险分类和定义，整合风险识别、欺诈评估、交易防控，提升欺诈风险联防联控管控的水平。

      全渠道接入、全场景覆盖、全闭环管理的智能风控解决方案

      实现全行级各业务渠道的风险识别与预警，覆盖线上（手机、网银、直销银行等）、线下(POS消费、ATM/CRS取现等)、交易金融（转账、信用卡申请等）及非金融交易（注册、登录等）的业务场景，并跨业务边界进行数据整合，打破业务壁垒，横向识别业务风险；设置动态安全策略模块，对高风险交易采取实时拦截措施；采用遗传算法对特征阈值进行评估，减少欺诈交易的漏报和误报。在业务流程设计上，实现了规则阈值评估、专家规则设参、训练、灰度发布、上线运行、24小时风险核查及风险处置的全流程、全闭环管理，为业务提供全方位智能风控预警及解决方案。

      策略体系智能化管理，建立风险指标与特征体系

      通过策略中心建立强大的智能风控规则管理模块，采用可视化、界面化管理方式，可随时调整风控策略并及时生效，极大缩短调整时长，减少开发成本，提升平台风控的动态调整能力。结合构建的“卡账客”风险视图，整合内外数据、关联关系，对各维度进行风险预测能力分析和预警规则设计，构建以银行卡、账户、客户为中心的风险指标与特征体系。

       利用大数据技术，基于正态分布算法的客户行为习惯预测，实现对客户行为深入洞察

      大数据平台整合了全行全量客户数据、交易流水，外部数据等，加工近千个客户标签，以晋商银行数据平台海量客户行为数据为基础，通过学习大量的客户交易历史数据，刻画出客户的完整交易行为画像，实现对客户行为的深入洞查。同时引入正态分布、聚合排序、误差校验的客户行为习惯自学习算法，能够自主地从多个维度对客户交易习惯进行学习分析，获得客户多维度习惯特征，进行差异化风险识别，提升专家规则实时分析的效率和准确率。

      构建多维度反欺诈AI风控模型，实现主动防御和及时拦截。

      能够以欺诈场景的特点为依托，实现风险的等级划分及精细化风控，大幅提升风险防御深度，弥补反欺诈策略滞后性、识别精度低、易被攻击等不足。利用机器学习算法组合多维弱特征，欺诈识别更为精准。整合全渠道交易数据和多维特征，建立多维度、多场景化的风控模型组合，有效提升风险交易决策能力，及时预测风险发生趋势，实现主动防御和拦截。

      行内首创基于客户历史行为的智能风险验证模式

      贴近客户实际，首次采用大数据智能分析技术，将客户历史行为设计成智能问答库，建立完善高效的风险事件分配处理流程及问答库联动处理机制，根据交易风险情况及预警等级启动智能问答，实现个性化的客户身份风险识别措施。同时，通过智能选择算法，每次推送新问题，智能回避曾使用过的问题，提升客户安全体验。  

      提升多渠道多级管控工具的联动能力

      整合全渠道、多业务场景联防联控处置措施，设计多元化策略处置矩阵，智能化进行预警信号的实时处置，进行跨条线跨部门告警及调查处理结果的信息共享，实现预警队列灵活配置、可疑事件及案件的自动化分配、一键管控等领先欺诈识别应用，规避了多平台、跨系统的繁琐操作，提升案件核查及风险处理的运营效率。

四、项目过程管理

      项目从2019年7月正式启动以来，在数据采集技术、软件接口开发、联调测试、监控流程、网络架构、硬件部署、业务咨询诊断、现状评估、规则策略制定、体系规划、模型训练、性能调优等方面多次论证，周密计划，有序推进，历经近一年时间，搭建了多维度风险侦测体系，实现了交易风险智能排查、实时预警，有效防范欺诈风险发生。

      一是风险控制方面。项目建设按着CMMI3标准体系进行管理，对可预见的问题或风险点予以提前应对。设立项目PMO岗位，负责项目总体进度监控、疑难问题协调处理等工作，并定期开展对项目的巡检。制定规划的应急处理机制，有效保障了项目实施、开发等资源的紧急问题处理效率，并通过日常工作安排上的适当交叉，确保项目组成员间各项工作的有效备份，尽量减少项目实施过程出现一些不可控、突发事件对项目的影响。

      二是实施方面。按建设要求细化项目实施计划，定期汇报、评审项目进度，并根据项目实际进度和具体工作需要及时修改计划，避免项目延期和交付质量问题。

五、运营情况

      从2019年9月风控平台上线以来，历经近一年时间逐步接入线上、线下、自助等多渠道多业务场景，搭建了基于大数据、AI技术为一体的稳定、动态风险侦测体系，为运营管理人员提供多维度的风险分析、决策支持。利用设备画像实现对终端风险监测，实施动态安全策略实现对业务交易风险的智能排查、实时预警，通过大数据分析用户行为习惯，结合复杂网络全方位识别欺诈风险。

      项目整体打造了一套集交易风险监控、风险管理、流程定制等功能于一体的智能风控平台，形成了全场景识别体系、全路径实时布控体系、全方位策略体系和全流程运营体系，通过风控整体规划，建立了各部门共同参与、广泛合作的支付风险控制协同工作机制；完善了各业务产品的反欺诈措施，建立跨业务产品的欺诈风险联防联控机制。可以在毫秒级别识别出账户盗用、盗卡、伪卡、虚假交易、可疑提现等多种风险，将用户的每一笔交易根据预设的风控规则和权重进行风险得分判定，并反馈每次交易行为的风险得分以及风险分析，将损失降至低。整体风控规划及体系建设目前已处于国内外领先水平。

六、项目成效

      项目实现了线上（手机银行、网上银行、直销银行等）、线下(POS消费、ATM/CRS取现等)、交易金融（转账、网贷申请、信用卡申请等）及非金融交易（注册、登录等）的全行级各业务渠道风险识别与预警。目前侦测率约3%,年度侦测涉及金额近百万元，平台运行平稳。随着风险识别经验的不断积累，业务接入范围及场景的不断延展，风险规则不断调优以及系统持续完善，预计风险交易的侦测率会继续提升30%，将对更多的欺诈交易进行识别和阻断，加大风险监控精度、降低误报率，提升金融交易的反欺诈能力及账户安全。

      后续项目将在知识图谱、丰富客户画像以及智能声纹处理上，持续加强研究与应用，运用客户习惯特征更深层次的挖掘出客户操作偏好、风险趋势、资金变化趋势等多种有益于风险防控的数据价值信息，进一步提升欺诈识别的侦测率、准确性，切实提高银行风险控制能力。通过本项目不仅能有效保证客户资金安全，提升用户对银行各渠道交易安全的信心，还可以提升晋商银行在金融业的品牌和口碑。

七、经验总结

      本项目不仅支撑晋商银行各类交易欺诈行为的监测、识别、处理、记录和统计，还作为加强我行信息安全的重要组成部分，对洗钱操作、登录风险、钓鱼网站、木马、非本人行为、用户防范意识等全渠道风险交易进行预警和防御，切实有效地保护客户资金安全，为广大客户创造良好的业务使用环境，满足金融监管部门对银行建立完善渠道交易监控体系的相关要求。同时，通过系统挖掘出市场支付变化趋势、客户偏好、风险趋势、资金变化趋势、账户消费习惯等多种有益银行业务拓展的深层次有价值的数据信息。

      随着AI机器学习、自然语言处理、知识图谱等技术的发展，算法、数据、硬件处理能力不断提升，金融风控已逐步进入智能化阶段。国内外先进技术的系统设计，不仅具备模块化、参数化和标准化，而且建设后的系统还具备前瞻性、安全性、高效性、灵活性、扩展性等特点。更高阶的智能风控决策系统，是在现有的风控决策引擎上融入流计算平台、实时预警、迁移学习、图谱分析、可视化科学计算、自然语言处理平台等，提升决策引擎的计算能力和处理时效。随着技术的革新，未来的风控决策系统，会向着功能更加丰富，性能更加优良的全渠道、全场景、全时段风控实时智能决策系统演进。