銀行渠道業(yè)務背景下交易反欺詐解決方案

朱雪芬

關鍵詞：大數(shù)據(jù)；欺詐風險； 解決方案

隨著現(xiàn)代科技和信息技術的不斷發(fā)展，我國支付活動中早已擺脫了傳統(tǒng)的支付模式，移動支付等非現(xiàn)金式的支付方式，逐漸成了社會的主流[1]。隨著業(yè)務的發(fā)展，欺詐頻發(fā)，同時欺詐手法愈來愈隱秘，人工經(jīng)驗已達到極限，由簡單的規(guī)則來進行欺詐防控已經(jīng)不能滿足行業(yè)的需求，急切需要從行級出發(fā)接入全渠道業(yè)務。如ATM、POS、電子渠道等，進行綜合防控，一來可滿足監(jiān)管機構對于全渠道交易事中監(jiān)控的監(jiān)管要求，二來可以提升銀行對交易的風險識別和防控能力，大幅度減少欺詐帶來的嚴重影響。

一、銀行渠道業(yè)務背景下的欺詐風險

（一）電子渠道風險

1. 傳統(tǒng)電子渠道業(yè)務

包括來自不同電子渠道的交易，如網(wǎng)銀、手機銀行等。電子渠道的主要風險來自非面對面交易，無法確認交易者是否為持卡人本人。電子渠道業(yè)務面臨的風險主要是賬戶被非法盜用。盜用電子銀行賬戶的途徑很多，如釣魚網(wǎng)站、木馬、病毒、騙取驗證碼等多種方式。欺詐者通過這種方式接管了持卡人的電子賬戶后，通過在線消費、轉賬等途徑進行套現(xiàn)，給持卡人帶來資金損失，給銀行帶來資金和聲譽損失[2]。

2. 直銷銀行業(yè)務

直銷銀行是銀行的新興業(yè)務，旨在把傳統(tǒng)銀行的線下業(yè)務包括存款、貸款、結算、理財、投資等業(yè)務，轉移到線上進行，一方面降低銀行的運營風險，另一方面為客戶提供更便利的服務。但是，由于線上業(yè)務的非面對面特點，直銷銀行同樣面臨較大的欺詐風險，主要的欺詐類型包括虛假注冊、盜卡、營銷欺詐等。這類風險一方面會給客戶帶來資金損失，另一方面也會嚴重影響直銷銀行的業(yè)務開展及產(chǎn)品競爭力。

（三）POS 收單風險

銀行卡收單業(yè)務風險，主要可分為商戶欺詐和持卡銀行渠道業(yè)務背景下交易反欺詐解決方案人欺詐兩大類風險，商戶欺詐主要是偽卡盜刷、信用卡套現(xiàn)、偽卡盜刷、移機、偽冒交易合謀、商戶信用風險、惡意退單等。①套現(xiàn)。使用信用卡進行非真實性交易，套取卡內(nèi)額度，對發(fā)卡行產(chǎn)生逾期風險。②偽卡盜刷。通過側錄等方式盜取卡片磁條信息，并復制成一張或張偽卡，使用偽卡在多個商戶處進行刷卡交易，一般多購買易變現(xiàn)的商品，并呈現(xiàn)出大額特征。③移機。商戶將pos 機拿到非注冊場所進行刷卡使用，往往伴隨違禁場所風險、套現(xiàn)、偽卡盜刷等風險。④偽冒交易合謀。商戶與不法分子合謀，在商戶集中使用偽卡或失竊、被盜卡，或購買易變現(xiàn)商品，或享受相關服務。⑤商戶信用風險。商戶因經(jīng)營不善破產(chǎn)或在收到大筆清算款項后立即關門，銷聲匿跡，使收單機構承擔此后的退單損失。⑥惡意退單。持卡人在刷卡后不留存任何憑據(jù)，并一段時間內(nèi)惡意發(fā)起退單，拒付交易，造成收單機構損失。

（四）掃碼支付風險

掃碼支付是近幾年新興的支付方式，掃碼支付由二維碼與支付兩部分組成，二維碼用于承載交易信息，客戶app 端或商戶收銀端掃碼后獲得交易信息并校驗通過后，由客戶在app 端完成付款，付款方式一般是賬戶余額、預先綁定的銀行卡等。掃碼支付可以同時在線上和線下的場景中使用，對于線上掃碼，風險較大的場景是電商網(wǎng)站、機票購買、信用卡還款、話費充值等，風險類型主要在于盜卡（卡片信息泄露被欺詐者進行掃碼盜刷）和盜賬戶（賬戶信息泄露被欺詐者登錄后掃碼盜刷）；對于線下掃碼的場景，其風險除了與線上相同的盜卡、盜賬戶風險外，還存在套現(xiàn)風險，一般是個人用戶申請獲得碼牌，并使用本人信用卡、花唄等透支工具完成掃碼支付[3]。

（五） ATM 渠道風險

ATM 渠道主要防控欺詐者通過ATM 通道洗錢。主要兩種形式，一種是欺詐者通過網(wǎng)絡渠道把盜卡資金轉移到銀行卡中，欺詐者通過雇傭大量馬仔銀行卡以ATM的方式把資金分別提現(xiàn)出來。另一種常見洗錢模式是，把假幣通過一個ATM 進行存款，通過另外一個ATM 機把資金取現(xiàn)，進而把假幣轉出真幣。

二、銀行渠道業(yè)務背景下欺詐風險的解決方案

（一）業(yè)務層

在當前銀行欺詐案件頻發(fā)的環(huán)境下，通過與行內(nèi)業(yè)務人員不斷溝通與交流，了解當前銀行運營管理風險案件的主要發(fā)生場景以及此類風險案件對銀行造成的深重影響。結合已有銀行運營管理風險案件，深入分析案件的作案手法以及作案特征，從規(guī)則的角度出發(fā)，構建完整的規(guī)則- 指標體系，致力于解決銀行運營管理風險案件問題。完整的指標體系業(yè)務流程包括數(shù)據(jù)分析、模型訓練、智能決策三個部分，其中數(shù)據(jù)分析主要進行數(shù)據(jù)質量分析，指標分析等工作；模型訓練主要進行專家規(guī)則模型、機器學習模型的訓練、調優(yōu)、評價等工作；智能決策主要進行風險識別與決策的工作，利用專家規(guī)、機器學習模型對風險數(shù)據(jù)進行識別，并自動將風險數(shù)據(jù)輸出至核查平臺[4]。

（二）分析層

1. 大數(shù)據(jù)采集

數(shù)據(jù)采集，又稱數(shù)據(jù)獲取，是利用一種裝置，從系統(tǒng)外部采集數(shù)據(jù)并輸入到系統(tǒng)內(nèi)部的一個接口。在互聯(lián)網(wǎng)行業(yè)快速發(fā)展的今天，數(shù)據(jù)采集已經(jīng)被廣泛應用于互聯(lián)網(wǎng)及分布式領域。數(shù)據(jù)采集系統(tǒng)整合了信號、傳感器、激勵器、信號調理、數(shù)據(jù)采集設備和應用軟件。在數(shù)據(jù)大爆炸的互聯(lián)網(wǎng)時代，數(shù)據(jù)的類型也是復雜多樣的，包括結構化數(shù)據(jù)、半結構化數(shù)據(jù)、非結構化數(shù)據(jù)。結構化最常見，就是具有模式的數(shù)據(jù)。非結構化數(shù)據(jù)是數(shù)據(jù)結構不規(guī)則或不完整，沒有預定義的數(shù)據(jù)模型，包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報表、圖像和音頻/ 視頻信息等等。大數(shù)據(jù)采集，是大數(shù)據(jù)分析的入口，所以是相當重要的一個環(huán)節(jié)[5]。

2. 大數(shù)據(jù)存儲和調度

在大數(shù)據(jù)時代，銀行業(yè)務系統(tǒng)繁多，場景廣泛，數(shù)據(jù)量巨大。銀行業(yè)數(shù)據(jù)迅速膨脹并呈現(xiàn)出幾何級數(shù)的增長態(tài)勢，且由于行業(yè)特性，銀行業(yè)在長期業(yè)務開展過程中積累了海量數(shù)據(jù)[6]。指標的加工、模型的建立都離不開數(shù)據(jù)的驅動，而面對如此龐大的數(shù)據(jù)，指建立大數(shù)據(jù)平臺來支持各類型海量業(yè)務數(shù)據(jù)的存儲、加工、 使用和數(shù)據(jù)價值的提煉。目前大部分銀行都在大數(shù)據(jù)平臺建設階段，因此需要支持和銀行大數(shù)據(jù)平臺的無縫對接。通過大數(shù)據(jù)平臺能夠存儲和調度大數(shù)據(jù)，大幅度提升可利用的數(shù)據(jù)范圍，使得風險案件防控的覆蓋面進一步提升。對于不規(guī)范或者不合理的數(shù)據(jù)，需要對其進行規(guī)范化處理，如缺失值填補、異常值替換、數(shù)據(jù)量綱消除等。數(shù)據(jù)預處理的目的在于將待分析的數(shù)據(jù)盡可能規(guī)范，提升數(shù)據(jù)質量，從而便于后續(xù)數(shù)據(jù)分析、指標化加工以及模型訓練等工作的正常開展，同時也保障分析工作得到的結果盡可能最優(yōu)化。

3. 指標預加工

業(yè)務需求分析在進行指標加工之前，不僅需要考慮指標是否可實現(xiàn)，還需要考慮指標所依賴的業(yè)務場景，加工出的指標能否完整地描述出當前的業(yè)務需求。因此在進行指標加工過程之前，需要明確業(yè)務需求，盡可能保證加工出來的指標能夠被當前業(yè)務場景使用。這樣一方面能夠保證指標加工過程的準確性，另一方面還能夠不斷反思業(yè)務需求的合理性，從而保證生成的指標能夠準確描述當前業(yè)務場景。業(yè)務指標分析在明確分析當前風險案件的業(yè)務場景以及業(yè)務需求之后，還需要分析風險案件的作案手法以及作案特征，并針對風險案件的作案特征制定具有明確業(yè)務含義的業(yè)務指標。一方面，業(yè)務指標必須邏輯清晰，能夠通過科技手段完整實現(xiàn)，另一方面，業(yè)務指標必須能夠反映并識別已有風險案件的作案特征，還原特征業(yè)務場景下的作案手法。業(yè)務指標分析依賴深入的業(yè)務分析與技術分析，業(yè)務指標的有效性是規(guī)則產(chǎn)生效果最基礎的保障。

4. 數(shù)據(jù)分析

數(shù)據(jù)分析是貫穿整個工作流程的工作，數(shù)據(jù)分析是讓我們認識指標生成、模 型調優(yōu)必不可少的環(huán)節(jié)。一方面，在指標加工、模型構建過程中，要求科技人員 對數(shù)據(jù)表結構有全面的認識，熟悉表中每個字段的含義以及數(shù)據(jù)分布；另一方面，還要求科技人員對表與表之間的關聯(lián)性有較為清楚的認識，保證表與表之間的關 聯(lián)能夠得到預期的結果。只有通過數(shù)據(jù)分析才能夠對指標化工作有一個整體的認知，才能評估指標加工的合理性以及最終指標結果的可靠性。同時，數(shù)據(jù)分析的工作也能從數(shù)據(jù)的角度來說明業(yè)務需求是否合理、指標加工是否可優(yōu)化，總而言之，數(shù)據(jù)分析是指標化工作的保障。無論專家規(guī)則、機器學習模型還是圖規(guī)則，都離不開數(shù)據(jù)的支撐，在使用數(shù)據(jù)之前，必須對數(shù)據(jù)有一個清晰且全面的認識。而分析層主要供分析人員了解數(shù)據(jù)、分析數(shù)據(jù)使用，一方面，了解數(shù)據(jù)的質量及分布，從技術的角度確認數(shù)據(jù)是 否可用以及數(shù)據(jù)本身是否存在價值；另一方面，通過數(shù)據(jù)分析的工作，有助于分析人員深入了解當前的業(yè)務場景，以及當前業(yè)務下風險案件的作案手法，從而能夠讓分析人員對業(yè)務需求有一個更加完善的認識。數(shù)據(jù)質量分析的目的是了解數(shù)據(jù)的可用性，其主要通過描述性統(tǒng)計分析了解數(shù)據(jù)分布、發(fā)現(xiàn)是否存在不合理的數(shù)據(jù)。然后結合數(shù)據(jù)的業(yè)務意義判斷其是否合理，對于高可用的數(shù)據(jù)，我們應充分挖掘其潛在信息，對于信息殘缺或者沒有價值的數(shù)據(jù)，應盡可能舍棄，避免噪聲數(shù)據(jù)對結果造成影響。數(shù)據(jù)特征分析在對數(shù)據(jù)質量、數(shù)據(jù)分布有大體了解之后，還需要充分分析當前案件的業(yè)務場景以及業(yè)務需求，只有明確了業(yè)務場景的特點，我們才能夠結合數(shù)據(jù)進行特征 分析，進而提取出具有代表性的指標。在指標加工時，提取出來的指標需要保證具有明確的業(yè)務含義，而且指標組合之后能夠完整描述當前業(yè)務場景。因此，數(shù)據(jù)特征分析的工作不僅要求科技人員對業(yè)務有深入的了解，還要求科技人員對 數(shù)據(jù)結構、數(shù)據(jù)表之間的關聯(lián)性有清晰的認識。

5. 指標加工層

指標是規(guī)則的最細粒度操作單元，指標包含明確的業(yè)務含義，其加工邏輯與案例規(guī)則和數(shù)據(jù)表結構有較強聯(lián)系。一個案例中，指標的實現(xiàn)至少包括：指標設計、指標運算、指標存儲、指標調用等步驟。

（1）指標存儲

在指標計算過程中，SQL 指標由大數(shù)據(jù)平臺加工，技術指標由時序處理技術加工，由于時序處理技術依賴內(nèi)存的特有加工方式與傳統(tǒng)的大數(shù)據(jù)平臺不同，因此時序處理技術生成的指標與大數(shù)據(jù)平臺加工的指標存儲的方式也略有不同。大數(shù)據(jù)平臺加工的指標以文件的形式存在，加工完成的指標不可更改，而基于時序處理技術加工的技術指標存放于系統(tǒng)的內(nèi)存之中，隨著時序的不斷變化，指標的值也處于不斷變化當中，當需要進行指標調用時，時序處理技術自動將最新加工的指標輸出。

（2）指標調用

在指標加工完成后，對大數(shù)據(jù)平臺加工的指標與時序處理技術加工的指標進行調用，設計特定的調用任務，對于大數(shù)據(jù)平臺加工的指標進行批量調用，對時序處理技術加工的指標進行實時調用，并將調用的指標整合推送至智能決策平臺，供智能決策平臺判斷、識別風險。

（三）決策層

決策層主要是對業(yè)務數(shù)據(jù)進行風險識別與決策的工作，通過專家規(guī)則和機器學習模型對風險數(shù)據(jù)進行識別，并自動將風險數(shù)據(jù)輸出至核查平臺進行核查，對應有風險的數(shù)據(jù)可生成案件進行研究。

1. 智能決策引擎- 雙核引擎

通過 SQL 指標及技術指標對復雜案件規(guī)則指標化后，銀行業(yè)務人員可在規(guī)則管理平臺上對訓練好的指標或者模型進行可視化配置，自由生成復雜的規(guī)則或組合規(guī)則，并支持規(guī)則訓練、版本管理和一鍵上線功能。同時訓練好的模型以及設置好的圖規(guī)則可以同時上線，且雙核引擎會分別訂閱規(guī)則和模型，兩者同步運行，互相補充，引擎可實時判斷業(yè)務數(shù)據(jù)和規(guī)則和模型的匹配度。當觸發(fā)對應的規(guī)則時，引擎會對規(guī)則進行匯總，并根據(jù)當初設置的規(guī)則處置策略和風險等級，選擇優(yōu)先級高的規(guī)則執(zhí)行相應的處置動作，再將觸發(fā)規(guī)則的數(shù)據(jù)生成核查單傳送到核查平臺。其中規(guī)則的風險等級決定了命中該規(guī)則的交易的風險等級，也會影響核查人員的處理優(yōu)先級。規(guī)則的驗證策略包含預警、阻斷、放行、二次認證（人臉識別、位置認證、外呼確認、短信驗證、界面問題驗證）等，交易觸發(fā)規(guī)則時系統(tǒng)能夠 自動發(fā)起規(guī)則設置的驗證策略。規(guī)則的管控策略定義了觸發(fā)該規(guī)則對應賬戶的管控措施，如止付、凍結賬戶等。規(guī)則的名單策略定義了某些規(guī)則觸發(fā)時，對該客戶的名單行為操作，如將客戶加入黑名單等。規(guī)則的通知策略定義該規(guī)則觸發(fā)時，同時需要發(fā)起的通知策略，如短信通知客戶等。核查平臺引擎訂閱規(guī)則后，當有業(yè)務數(shù)據(jù)進來后，觸發(fā)了規(guī)則和模型的預警單將體現(xiàn)在核查平臺上。業(yè)務人員可運用關聯(lián)查詢功能從大數(shù)據(jù)平臺海量交易數(shù)據(jù)中查詢相關信息、線索，運用外部數(shù)據(jù)輔助對涉案信息進行分析。核查平臺的主要功能模塊包括關聯(lián)查詢、核查單管理、案件管理、黑名單管理和系統(tǒng)設置。

2. 案件管理平臺

對于已確認為有風險的業(yè)務數(shù)據(jù)，銀行業(yè)務人員可根據(jù)核查單生成案件，后續(xù)再根據(jù)新增的案件進行分析，總結、優(yōu)化規(guī)則和指標。

三、結束語

金融欺詐是近年來頻繁發(fā)生在我國銀行領域中的一種犯罪活動，給銀行帶來重大損失，欺詐風險已成為國內(nèi)商業(yè)銀行面臨的主要操作風險。加強對商業(yè)銀行欺詐風險的監(jiān)控和防范，有效遏制欺詐案件的產(chǎn)生和蔓延，已經(jīng)刻不容緩。