本文来源于:鑫智奖·2024第五届金融机构数智化转型优秀案例评选,作者:江苏长江商业银行
江苏长江商业银行:结算账户实时交易反欺诈系统实践与运用
2024-05-16 关键词:反欺诈,数字化风控,防范电信诈骗活动
4520
一、项目背景及目标
近年来,随着业务渠道和业务种类的不断丰富,诈骗形式和作案手段不断翻新,背后的欺诈技术不断迭代更新,对金融机构防控账户结算风险、维护自身及客户资金安全等方面带来了不小的压力和挑战。加之,人民银行和银保监会等监管部门在政策层面对金融机构业务运行安全管理及风险防控提出了要求,明确应建立健全交易风险监测识别、预警、处理机制,构建完善的可疑交易监测体系。因此,从保护客户资金安全、提高结算账户风险控制时效性、满足监管要求的角度出发,长江银行启动结算账户实时交易反欺诈系统(以下简称反欺诈系统),通过在系统层面建立风险事件处理标准化流程,实现对风险渠道、风险业务的全面监测和处置。
二、创新点
长江银行交易反欺诈系统基于实时交易行为和历史交易行为,结合大数据算法,对客户操作过程中的欺诈风险进行自动化实时甄别、预警和处置,提高异常交易风险事件处理能力和处理效率,保障客户财产安全。主要创新点在于:
1.风险引擎及防控策略:基于配置对应的规则或者模型,对业务活动或者交易进行实时风险评分,规则引擎同时具备在线实时处理能力和离线分析能力,实现对业务活动的风险判断和风险控制。
2.风险防控流程:风险防控采用埋点的方式进行,当业务系统在进行特定场景交易时,实时调用反欺诈接口,风控引擎通过实时查询Redis、ES等数据源的实时数据,进行风险预警请求的规则比对,完成风险分数的计算,返回对应处置策略。
3.案件处理:针对不同的事件响应策略设定生成的核查单,支持系统自动分配和手动分配。操作人员通过案件库进入分析受理页面,对事件进行初审或复审操作。经过人工审核后的核查单,依据终处理结果自动归档到案件库、疑似欺诈事件库、清白件库,用于后续调优规则和模型。
4.离线计算与机器学习:通过机器学习引擎,从资源(IP、商户、行为模式、设备、账号、金额、证件、银行卡等)和事件数据粒度分别构建关联图谱网络,结合用户画像模型、特征工程技术,通过抽象节点业务关系定义网络边权关系,构建资源级别和事件数据级别图谱网络。并沉淀异常样本及数据特征到案件数据库。
三、项目技术方案

四、项目过程管理

五、运营情况
反欺诈系统自上线运行以来一直保持连续运行,在7*24h不间断地监控账户交易活动,未出现系统崩溃或停机的情况,保障了长江银行的正常运营。系统具有高度的可用性,可处理高并发的交易请求,短时间内响应使用者的查询、提交等操作,即使在交易高峰期,系统也不会因为负载过重而出现性能下降或服务中断的情况。系统具有良好的容错性,能够及时处理异常情况并进行恢复。系统能够识别和处理异常交易、网络故障、数据错误等问题,并自动采取相应的措施,以确保整个系统的稳定性和可靠性。反欺诈系统采取了严格的安全措施,包括数据加密、访问控制、身份验证等,确保客户数据和长江银行信息的安全性。此外,为了进一步提升系统的稳定性和性能,长江银行不断对系统进行功能的优化和改进。通过监控系统的运行情况、收集行员反馈、分析数据等手段,及时发现和解决潜在问题,并对系统架构和算法进行调整和优化,以保持系统在不断变化的环境中的稳定运行。
六、项目成效
自上线反欺诈系统以来,长江银行反电诈方面的工作取得了长足的进步,具体体现在以下几个方面:
识别异常交易模式:监控客户交易行为,识别出与常规模式不符的异常交易,如大额转账到陌生账户、快进快出等行为。
客户身份验证:更加准确地验证客户身份,防止诈骗分子使用虚假身份进行欺诈活动。通过整合多种验证方法和数据源,系统可以检测出可能的身份冒用或伪造情况,并及时进行警示和拦截。
实时监控和警报:实时监控客户的交易活动,并根据预设的规则和模型自动触发警报。一旦系统发现可疑的交易行为,如与已知诈骗模式相符的交易,立即通知行员进行进一步调查和处理,以防止损失进一步扩大。
反欺诈AI大模型:使用反欺诈AI大模型来识别潜在的诈骗行为。通过大量黑白样本的分析与学习,识别出与诈骗有关的特征和模式,帮助长江银行更好地预测和预防电信诈骗活动。
教育和培训:为行员和客户关于电信诈骗的教育和培训。向行员提供识别电信网络诈骗行为的指导,更加高效地进行案管处置工作。同时向各类客户提供防范电信网络诈骗的防范意识培训,增强其对账户的管控力度,增强识别和防范电信诈骗的能力。
七、经验总结
全渠道/全场景的反欺诈系统的建设及持续投入,是确保银行业务安全稳健运行的必然选择,目前,长江银行反欺诈系统已将柜面、手机银行、个人网银、企业网银、三方支付、移动展业、ATM和VTM八个渠道的账户风险交易进行有效防控,首批上线918条监测规则,相关规则风险监控范围涵盖渠道端存款、取款、转账、开户、签约、消费、密码管理等40多个业务场景,单月日平均8.5万条风控记录,日平均预警【高风险事件】0.05万件,【中低风险事件】8.45万件。初步构建了跨部门以及总分/支两级联动、协助互补的监督检查及风控机制,有效甄别各种类型的交易欺诈,大幅提高业务抗风险能力。然而,目前系统中的风控规则主要以前期制定的专家规则为主,随着欺诈手段的日益升级,长江银行仍将定期对反欺诈系统运行情况开展评估,客观评价系统监测规则和风险防范处置策略等的合理性、有效性,在此基础上结合内外部风险形势变化,适时对规则和策略作出优化调整。
本网站案例,除特殊标明来源的,版权归金科创新社所有,未经许可不得转载,否则将视为侵权,对于不遵守此声明或者其他违法使用本文内容者,本网站依法保留追究权。另,本网站部分案例、观点文章来源于网络素材,如有侵权,请邮件联系 fenglei@fintechinchina.com 处理!
特别提示: 本网站免费为广大金融企业提供IT选型咨询服务,详情点击 【 需求提交 】。
推荐阅读
更多
微风企科技:普惠金融智能风控解决方案
微风企科技以RPA+AI技术为基础,为金融机构提供中小企业信用评估数字化技术服务;凭借丰富的数据服务经验和多维度数据源,为金融机构提供专业的数据采集与智能分析服务,安全高效地解决数据来源的可靠性、统计分析的滞后性、模型算法的有效性。
“鑫智奖”2021第三届金融数据智能优秀解决方案评选
2024-05-16
京北方:金融智能实时风控系统
金融智能实时风控系统是面向银行运营管理及风险管理实践的解决方案。系统使用新风控引擎技术和机器学习模型,可快速、灵活配置各类规则,挖掘相关业务场景下潜在的风险特征及欺诈关系,有效提升风险识别率。
“鑫智奖”2021第三届金融数据智能优秀解决方案评选
2024-05-16
腾讯安全:天御智能风控中台解决方案
腾讯天御智能风控中台,从腾讯自有业务风控系统演化而来,具有极其强大的配置能力和数据分析能力、变量运算能力。包括流计算引擎、变量中心、策略中心、分析中心、监控中心等模块是整个风控业务的中枢系统,可以满足包括交易、信贷、营销三大领域的风险防控场景,可以基于全新的风险场景配置针对性的防控体系,具有极强的可扩展性。
“鑫智奖”2020第二届金融数据智能优秀解决方案评选
2024-05-16
长亮科技:智能风控解决方案
建立智能风控平台,是构建基于数据进行决策运营体系的基础性工作,无论基于当前需求还是考虑未来业务发展的需要,均须建设统一的平台。作为大数据平台在功能上的补充和拓展,智能决策平台可以支持业务人员运用直观语言描述、定义业务规则及决策逻辑,提升业务响应的速度和敏捷性。
“鑫智奖”2020第二届金融数据智能优秀解决方案评选
2024-05-16
农业银行:基于知识图谱和图挖掘的智能风控技术的研究和应用
基于“立足现状,面向未来”总体思路,聚焦信用风险管理发展的关键问题,农业银行完成了基于知识图谱和图挖掘构建全新的信用风险管理系统的建设工作。
农业银行
2024-05-16
拓尔思:智能风控大数据平台解决方案
拓尔思智能风控大数据平台是一款利用大数据、自然语言处理、知识图谱技术构建的综合型在线服务平台。平台全面监控3700多万家在营企业实时多维风险,在风控、资管、内控等核心金融场景有广泛应用。平台提供智能多维标签、预警信号推送、风险事件捕获、风险传导关联、综合异构图谱等贯穿贷前、贷中、贷后的全流程风险管理功能,提升金融机构风控能力。
“鑫智奖”2019首届金融数据智能优秀解决方案评选
2024-05-16
微信
咨询
微信咨询
扫码添加金科小助手微信号
咨询案例和解决方案相关信息
或联系对应机构