账户被盗用，信用卡被盗刷？看反欺诈系统如何“活捉”始作俑者

通过机器学习和数据挖掘技术进行人工智能分析，反欺诈系统炼就一双“火眼金睛”，可以识别出隐藏在海量交易中极小概率的欺诈交易。

部分资料来源网络

正所谓“道高一尺，魔高一丈”，伴随着金融业务规模的快速扩张和新兴业务的大量涌现，不法分子的欺诈手段也趋向多样化、高科技化，金融机构面临的风险也越来越多。

以银行为例，目前至少要面对以下欺诈风险：

1

以假冒贷款、假冒公检法、假冒开户、洗钱欺诈、非法集资、信用卡欺诈等形式为代表的电信诈骗类欺诈；

2

针对银行APP等客户端进行木马、键盘钩子、SQL注入、截屏录屏等攻击，以冒充用户进行金融交易；

3

机构内部违规带来的虚假开户、虚假交易、虚存虚贷等；

4

利用高科技手段复制他人银行卡、信用卡进行的盗刷、伪卡提现，也就是账户欺诈。

1

面对形形色色的欺诈威胁，为保障业务的正常开展和用户权益，满足监管机构的要求，银行等金融机构亟需打造一套贯穿整个业务流程的账户风险管理体系，并根据不同的场景进行反欺诈处理，以及时、实时鉴别异常交易行为，并阻断欺诈型交易。

只是，在海量的交易中迅速发现异常交易宛如大海捞针，因此，搭建一个反欺诈系统就变得必不可少。通过机器学习和数据挖掘技术进行人工智能分析，反欺诈系统炼就了一双“火眼金睛”，可以识别出隐藏在海量交易中极小概率的欺诈交易。

那么，如何通过构建系统架构来实现反欺诈？

首先需要底层数据，比如外部数据、内部数据、业务数据等。其实反欺诈是需要大家发挥自己的聪明才智去设计的，不会有两家反欺诈政策是完全一样的。现在对数据隐私的监管越来越强，越来越保守，如果在外部数据获取遇到阻力的时候，就越来越依靠于对内部数据和业务数据的获取能力。

其次是规则，目前大部分规则是模型，比如从贷前准入、认证、支用等。这些规则引擎，是经常要更新的；尤其是反欺诈规则，一要保密，二要随时更新。

再次，需要一个管理系统，至少要有四块功能：

第一个配置系统，就是规则阀值的设置；

第二个查询系统，能查询每一单人的申请，从客户现在的表现追溯到其申请时刻，能做一些关联性的分析；

第三个是分析系统，一般是自动化的，比如对历史时长、IP地址进行一个跟踪，也可以针对每一个反欺诈规则，追踪今天申请了多少量，拦截了多少量；

第四个是预警系统，如果发现异常现象，它可以随时预警。比如发现某一个IP地址、某一个GPS、某一个社区，它申请量急剧增加的时候，可以实现实时预警，这时候可以人工及时干预，去修改规则引擎。

一般来说，纯线上消费金融业务的反欺诈应该包含两个方面：一是基于大数据分析、人工智能的大数据建模；二是指纹识别、人脸识别、声纹识别等前端生物识别技术。

其中，以大数据风控为技术支持，通过多种手段来核实用户身份，可以有效防止身份冒用、欺诈等风险，识别高风险交易的特征，并形成复贷记录和失信黑名单，有效地交叉验证用户信息的真实性，将欺诈行为制止于发生之前。

同时，在机器学习模型的配合使用下，则可以更有效地提高风控系统的精准度，通过聚类算法分析相似性行为、依赖标签数据训练深度网络等手段，更有效地实现复杂环境下的反欺诈。

此外，由于每个人的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，如静脉、指纹、声纹、人脸、虹膜等特征，较为不易被伪造和假冒，所以利用生物识别技术进行身份认证具有较高的安全性与可靠性。

然而，从现实来看，一些传统金融机构很难从0到1进行对大数据分析、人工智能、生物识别等金融科技进行研发，所以中诚信征信等专业的第三方信用科技服务机构便迎来发展契机。

目前，在反欺诈领域，中诚信征信风险决策系统基于海量合规的风险数据，结合在线设备识别、决策引擎等多项创新技术，使用深度学习技术对设备行为进行多维度风险关联分析，汇总银行业务场景的用户欺诈情报，全方位动态感知银行用户欺诈行为，智能化自动拦截欺诈操作，有力打击身份冒用、虚假交易、盗卡支付等欺诈行为，大幅提升银行高风险交易的精准识别度。至今，中诚信征信已与多家金融机构在金融安全领域展开战略合作，聚合内外部优势资源共建大数据反欺诈平台，共同推进金融行业安全生态圈建设。

文 | 中诚信征信 市场品牌部