一、项目背景及目标

银行业务正面临着来自犯罪份子的各种威胁，同时随着银行业务的不断发展，犯罪分子的欺诈手段也日渐高明。欺诈风险频发也会给银行造成巨大的经济损失和社会影响，给银行业稳健运营带来全新挑战。中国人民银行、行业监管部门也在诸多监管文件中提到了对风险管理相应的监管要求，例如对于银行交易风险，中国人民银行办公厅关于开展支付安全风险专项排查工作的通知（银办发〔2018〕146号）、人民银行支付结算司印发《打击治理跨境赌博金融监管工作组关于印发

银行迫切需要结合先进的安全系统和监控手段来解决所面临的各种安全问题，以有效加强应用安全防护，建立事前防范、事中监控及事后分析的风险监控体系，并搭建稳定、动态的风险规则模型库综合防控，一来可以提升银行对交易的风险识别和防控能力，大幅度减少欺诈带来的严重影响，二来可满足监管机构对于全渠道交易监控的监管要求。

二、创新点

大数据交易风控系统通过流处理引擎、风险决策引擎、数据服务等多个层面对交易流水数据进行采集、分析。通过在数据流水流转过程中嵌入流处理引擎将所有流过的数据进行实时处理，对风控规则与模型中需使用到的风险指标进行预加工，从而构建出一个完备的风险指标库，并存放在分布式缓存中，决策引擎在进行决策时，能够执行订阅的风控规则并实时判断交易流水和风控规则模型的匹配度，并将风险评估结果和控制建议传送给对应的业务系统。数据服务也提供了强大的相关的数据支持。

三、技术实现特点

1．系统架构

大数据交易风控系统可分为数据层、数据处理层、服务层、应用层，如下图所示，数据层接入行内外数据，数据加工层负责把原始数据加工形成各类风险指标，服务层使用风险指标对外提供决策服务，应用层借助服务层提供的服务达到风险控制的目的。

2．流式计算

流立方是业界领先的融合CEP、可计算缓存等理念的实时流数据处理平台, 其通过在数据流水流转过程中嵌入流处理引擎将所有流过的数据进行实时处理, 并将处理后的中间结果合并生成一个多维度的可计算数据魔方, 其工作方式如下图所示：

在实时风控系统中，时效性是重要的技术指标。流处理引擎在其中起到了决定性作用，其核心功能是对风控规则与模型中需使用到的风险指标进行预加工，从而构建出一个完备的风险指标库，并存放在分布式缓存中，决策引擎在进行决策时，只需调用分布式缓存中的指标，而无需实时计算，从而有效提升风险识别效率。另外，当交易状态更新时，引擎也会实时更新指标库，以保证指标的准确性和时效性。

3．风险决策

大数据交易风控系统的风险决策引擎能够执行订阅的风控规则并实时判断交易流水和风控规则模型的匹配度，并将风险评估结果和控制建议传送给对应的业务系统。如果是无风险交易，则放行进入后续业务流程；如果是存在可疑风险的交易，则会进入风险后台中预警信息管理模块进行预警，同时，根据风险类型的不同与风险等级的高低，将控制策略发送给业务系统，由业务系统根据控制策略，对风险交易进行诸如如短信验证、人脸识别、终止交易等后续控制策略。

4．数据服务

数据服务用于辅助大数据交易风控系统更好的识别异常行为，可有效识别虚假手机号、通信小号、代理IP、手机号归属地、GPS归属地、IP归属地、银行卡归属地等，主要作用表现在两个方面：

（1）为了能够提升规则的准确性，需要在规则中加入基于数据解析的判断，例如商户IP归属地、手机号归属地、身份证归属地、银行卡归属地之间的比较；手机类型如虚假手机号、运营商手机号的识别等；

（2）支撑核查单信息展示需求：为了能够更加深度的了解风险商户的特征，需要对风险商户的要素进行深度剖析，包括商户相关的手机号、银行卡、身份证、IP等，通过各个维度的解析，增强对商户背景的理解深度。

四、项目过程管理

1．需求分析和概要设计阶段

此阶段时间段为2019年12月至2020年2月，其间主要完成了柜面、POS、ATM、聚合支付、E百福、手机银行、网上银行、卡系统等渠道业务需求分析及风控规则确认、系统架构确认、项目计划确认。并提交了项目需求说明书、项目概要设计说明书、各接入渠道对应的交易接口文档。

2．系统详细设计阶段

此阶段时间段为2020年2月至2020年3月，其间主要完成系统详细设计工作，并且针对各渠道系统的多样化，产出针对性的接入详细设计方案，终提交了大数据交易风控系统详细设计说明书等文档。

3．系统编码、测试和上线准备阶段

此阶段时间段为2020年3月至2021年1月，其间主要完成了柜面、POS、ATM、聚合支付、E百福、手机银行、网上银行、卡系统各渠道对应规则开发、测试和上线，以及完成了柜面二三类户交易接入、E百福交易接入、POS收单接入联调开发、测试以及项目上线。提交了大数据交易风控系统测试报告、上线及应急方案、系统操作手册。

4．项目上线阶段

此阶段时间段为2021年1月至2021年4月，其间分批次完成柜面、POS、ATM、聚合支付、E百福、手机银行、卡系统等渠道投产上线，并根据上线运行情况进行规则调优处理，以及完成其他紧急风控需求投产上线。

五、运营情况

截至2021年8月底，大数据交易风控系统实现了对行内交易的实时风险监控能力，信贷大平台、E百福、手机银行、柜面、POS、ATM、卡系统、聚合支付共8个系统接入，上线共计125个实时风险识别规则。为存、贷款触发黑名单的高风险交易场景提供交易阻断服务，为E百福登录、开户、充值、提现、支付、缴费等业务提供实时预警服务，为手机银行跨省换设备登录提供预警服务，为网上银行登录和修改密码行为进行监测，以及柜面个人活期开户、企事业单位开户、个人动账交易、以及其他管理类交易提供预警服务，为线下商户收款交易、他代本银行卡交易提供提供预警服务，识别风险类型主要有盗卡盗刷，盗账户、异常开户，商户套现、电信诈骗、伪卡、欺诈等。

系统21年1-4月份，对行内4932余万笔交易进行实时风险识别，输出100万余笔风险提示。

同时运管预警核查流程已经全行流程化工作，为柜面风险监测提供了有效、规范化的运营核查工作，能够有效的对账户风险做到闭环式监测管理。

六、项目成效

1．满足银行行业政策法令监管要求

银行业务正面临着来自犯罪份子的各种威胁，中国人民银行、行业监管部门也在诸多监管文件中提到了对风险管理相应的监管要求，大数据交易风控系统的建设，将行业政策要求与业务需求结合落地，符合相关监管文件的要求。

2．保障金融安全及社会稳定

我国银行运营操作风险量多面广，表现形式多样，在某些地区、某些业务种类上甚至有愈演愈烈趋势。尤其是一些外部欺诈事件，作案人员往往四处撒网，一旦欺诈成功，往往涉及众多银行，严重影响了金融安全及社会稳定。通过构建大数据交易风控系统，结合多种先进的大数据流处理技术、强大的决策能力进行风险监测和风险分析与处理，帮助加强应用安全防护能力，来满足应用的安全保护需求，保障金融安全。

3．维护业务经营秩序

由于诈骗类运营操作风险涉及法律问题，将使银行陷入漫长的法律诉讼纠纷之中。为追回资金损失，许多银行会花费大量的人力、物力、财力投入到挽回风险损失的过程中，严重影响银行正常业务经营。通过构建大数据交易风控系统可以帮助银行大大降低各种欺诈风险，进而减少相关的法律问题。

4．行内风险有效监测

通过大数据交易风控系统加强江西农商银行商户管理，有效防范商户风险，针对商户套现交易行为特征、微信及支付宝预警名单中典型风险商户特征，分别从信用卡使用率、金额贴整率、金额递增递减、金额拆分、夜间交易频率、商户交易集中度、交易IP、循环套现行为等维度建立商户画像、布控商户套现专项规则，全方面提高江西农信商户风险识别能力。

构建反欺诈规则模型后排查2021年01月至03月的所有交易明细，共识别疑似风险商户746家，其中聚合支付商户698家，POS商户48家。

七、经验总结

通过大数据交易风控系统的建设，实现数据采集和监测能力，对通过探针获取的各种信息进行多维度的挖掘和统计分析，并以报表、图表等的方式实现多形式的数据展示和可视化管理。

1．理论和技术的高度融合

顺利完成整个项目的前提是理论和技术的高度融合，实现理论到技术实现间的一致性。此过程中，各参与人员在思想认识、理论知识、专业技能方面都有显著的提升，同时积累了宝贵的经验。

2．提高银行的风险监测和响应能力

通过应用探针收集到的数据，实现应用的安全风险动态监测能力，直观评估上线应用的安全风险，并为业务风控提供数据支撑。