基于BP神經網絡的銀行卡反欺詐系統研究

范玉潔 武明虎

摘 要：中國人民銀行最新發布的數據顯示，截止2017年底，全國銀行卡發卡數量66.93億張。已經成為大眾必備的金融服務工具，但是欺詐帶來了安全隱患，會造成嚴重經濟損失，必須非常重視。文章先介紹基本概念，再從不同方面展開論述，從而促進更好發展。

關鍵詞：BP神經網絡;銀行卡反欺詐;系統研究

0 引言

銀行卡直接關系到企業、個人的財產，可以為使用提供方便，對資金進行科學管理。近幾年媒體新聞不斷曝光欺詐事件，違法犯罪分子采用先進手段侵害用戶利益，因此要研究反欺詐系統。主要目的是建立起一層保護屏障，更加安全、放心的使用銀行卡。

1 BP神經網絡和銀行卡反欺詐模型的基本概述

1.1 BP神經網絡

采用BP算法的多層神經網絡模型一般被稱為BP神經網絡，由不同部分組成，發揮著各自的作用，有著強大的感知功能，能夠實現多層次網絡學習，給人們帶來不一樣的體驗。BP神經網絡算法是典型的由監督學習算法，整個過程通過對信號的傳遞、轉化來完成，不斷調整網絡權值，直到最接近真實答案的時候才停止運行，BP網絡訓練才完成。其具有解決復雜的非線性問題特點，過程是基于完善的數學理論，有著嚴密邏輯性。但是也存在缺陷，一是收斂速度慢，訓練時間比較長，整個建模過程很難控制;二是容易陷入局部極小值，所以還需要完善才能發揮出更大作用

1.2 銀行卡反欺詐模型

銀行卡是一種免擔保，不需要重復申請而且擁有循環額度的信貸工具，可以滿足用戶需求。從目前情況來看，業務風險主要包括信用風險、欺詐風險以及操作風險三大類，要想保護自身合法權益，必須建立反欺詐模型，可以減少此類情況的發生。在經濟快速發展今天，很多人為了得到利益不擇手段，欺詐就是其中一種，已經構成違法犯罪，造成嚴重經濟損失。要結合銀行卡發行實際情況以及大部分用戶需求，對欺詐進行深入研究，找到其中原因，然后再進行設計反欺詐模型，這樣會更加具有針對性，大大提高銀行卡安全等級。

2 基于BP神經網絡的銀行卡反欺詐系統研究的意義

銀行卡由于自身特點，發卡行只有合理控制風險才能獲得一定受益，有利于實現長遠發展。相對于西方發達國家而言，我國銀行卡業務起步比較晚，風險管理水平有限，成為發展中的阻力因素。針對于風險管理而言，在很多方面依然需要進一步完善，不斷提高整體水平。所以要立足于實際情況，積極借鑒國外銀行卡風險管理技術和經驗，研究出適合國內銀行卡風險管理模型。對于每一個人來說，財產都是非常重要的，如果銀行卡存在較高風險，就會降低民眾信譽度，不利于銀行業務發展。反欺詐系統可以創建出安全市場環境，為資金提供強大保障。

3 基于BP神經網絡的銀行卡反欺詐模型分析

基于BP神經網絡的銀行卡反欺詐模型分析主要從BP神經網絡的銀行卡反欺詐模型的優勢和BP神經網絡的銀行卡反欺詐模型設計等兩個方面展開分析。

3.1 BP神經網絡的銀行卡反欺詐模型的優勢

在銀行卡風險管理建模中，主要風險是持卡人的信用方面，很難達到預期效果。通過分析發現原因是統計規律簡單，都是一些常規性的內容，例如姓名、年齡、婚姻、戶籍地址等，將其和中國人民銀行的征信信息有機結合進行綜合建模。相對于信用風險而言，欺詐行為模式具有隱蔽、不斷變化的特點，這就增加了難度，調查起來根本沒有規律可循。歷史數據具有數量大、復雜性的特點，所以很難發現，一般統計模型用于反欺詐建模效果都不是很好。因此要加大技術研究，攻克反欺詐建模中的難題，建立起一個完整體系。

神經網絡具有自學習、自組織、自適應以及聯想記憶功能等特點，尤其是在解決復雜問題上有著強大作用。在銀行卡反欺詐中，采用神經網絡中的BP算法作為反欺詐建模方法，通過不斷學習訓練樣本，可以發現其中蘊含的規律，通過網絡優勢進行適當調整，最終能在一定誤差允許范圍之內接近樣本實際目標值。另外BP算法引入了隱藏層，可以以任何精度逼近復雜的非線性問題，具有更好的聯想、分類和記憶等功能。采用BP神經網絡建模，算法學習不再是一件困難的事情，網絡模型設計可以在短時間內完成，可以順利實現預期目標。

3.2 BP神經網絡的銀行卡反欺詐模型設計

BP神經網絡拓撲結構設計。BP神經網絡是多層前饋型網絡結構，由輸入層、隱藏層以及輸出層組成，很多隱藏層主要是為了解決復雜問題，可以大大提高結果的精確性。但是多個隱藏層自身也存在一定的弊端，導致初始網絡結構設計和訓練過程中的網絡結構調整都比較復雜，很難實現有效控制。確定了BP神經網絡的三層結構，接下來需要確定每層的單元數目，這樣神經網絡拓撲結構設計才算完成。輸入層的單元數目由數據預處理中選擇的特征變量數目確定，輸出層單元數目由預測的目標確定。只有不斷深入分析，才能得出欺詐的可能性。

BP神經網絡算法相關設計。本文的反欺詐核心模塊，采用帶動量項且引入陡度因子的BP神經網絡改進算法，避免了整個過程中復雜程序，節省了大量時間。同時為了提高模型的泛化能力，避免過擬合情況的出現，我們采用公式3.4計算網絡誤差，使得最終網絡訓練在綜合考察網絡性能和網絡復雜性時達到最優。算法是非常重要的，可以保證符合邏輯推理規律，保證最終結果正確性。要樹立起創新意識，未來面臨情況會更加復雜，所以要提高BP神經網絡應用程度，才能保護銀行卡使用安全。

4 結語

綜上所述，基于BP神經網絡的銀行卡反欺詐系統研究具有重要意義，可以提高使用安全性，避免造成經濟損失。要學會用發展眼光去看待問題，在現有基礎上不斷完善，發揮出BP神經網絡的優勢，從而促進銀行實現可持續發展。

參考文獻：

[1]周鳴.基于神經網絡的銀行卡反欺詐系統模型的改進及其實證[D].華東師范大學，2017.

[2]伍保華.基于神經網絡的信用卡反欺詐系統研究[D].武漢理工大學，2016.