<video id="zjj55"><delect id="zjj55"></delect></video>

<big id="zjj55"><listing id="zjj55"><del id="zjj55"></del></listing></big>

<menuitem id="zjj55"><delect id="zjj55"><pre id="zjj55"></pre></delect></menuitem>

<output id="zjj55"></output>
<video id="zjj55"></video>

<menuitem id="zjj55"></menuitem>

    <video id="zjj55"><listing id="zjj55"></listing></video>

    <menuitem id="zjj55"></menuitem>
    <output id="zjj55"><delect id="zjj55"><pre id="zjj55"></pre></delect></output>

    <menuitem id="zjj55"></menuitem>
    <menuitem id="zjj55"></menuitem>

        <big id="zjj55"></big>
          1. 移動端
            訪問手機端
            官微
            訪問官微

            搜索
            取消
            溫馨提示:
            敬愛的用戶,您的瀏覽器版本過低,會導致頁面瀏覽異常,建議您升級瀏覽器版本或更換其他瀏覽器打開。

            且看反欺詐系統如何“活捉”非法交易

            陳碩 來源:中國電子銀行網 2017-08-22 09:26:18 反欺詐系統 交易監控 金融安全
            陳碩     來源:中國電子銀行網     2017-08-22 09:26:18

            核心提示面對形形色色的欺詐威脅,為保障業務的正常開展和用戶權益,滿足監管機構的要求,銀行等機構需要建立完善的風險管理體系,以及時、實時鑒別異常交易行為,并阻斷欺詐型交易。

            且看反欺詐系統如何“活捉”非法交易

              伴隨著金融業務規模的快速擴張和新興業務的大量涌現,不法分子的欺詐手段也趨向多樣化、高科技化,金融機構面臨的風險也越來越多。以銀行為例,目前至少要面對以下欺詐風險:

              以假冒貸款、假冒公檢法、假冒開戶、洗錢欺詐、非法集資、信用卡欺詐等形式為代表的電信詐騙類欺詐;利用高科技手段復制他人銀行卡、信用卡進行的盜刷、偽卡提現;針對銀行APP等客戶端進行木馬、鍵盤鉤子、SQL注入、截屏錄屏等攻擊,以冒充用戶進行金融交易;機構內部違規帶來的虛假開戶、虛假交易、虛存虛貸等。

              面對形形色色的欺詐威脅,為保障業務的正常開展和用戶權益,滿足監管機構的要求,銀行等機構需要建立完善的風險管理體系,以及時、實時鑒別異常交易行為,并阻斷欺詐型交易。但在海量的交易中迅速發現異常交易宛如大海撈針,因此搭建一個反欺詐系統就變得必不可少。而通過機器學習和數據挖掘技術進行人工智能分析,讓反欺詐系統煉就一雙“火眼金睛”,可以識別出隱藏在海量交易中極小概率的欺詐交易。例如:

              某張主要在蘇杭地區刷卡消費的銀行卡突然在西南地區完成一筆接近單次限額的交易,并在20分鐘后又發起一筆接近單次限額的交易。在反欺詐系統提示該筆疑似偽卡盜刷交易后,銀行臨時阻斷交易并電話聯系持卡人進行核實,后經持卡人確認系盜刷;

              某手機銀行賬戶發起一筆轉賬交易,銀行反欺詐系統發現該賬戶雖然不在黑灰名單中,但登陸該賬戶的手機曾有過登陸他人賬戶盜刷的記錄(系統分析“設備指紋”,即手機串碼等設備值得出的結論),銀行隨即中斷該筆交易。后經電話核實,賬戶所有者當時并未進行轉賬操作,系有人竊取密碼后登陸。

            且看反欺詐系統如何“活捉”非法交易

            反欺詐系統識別“設備指紋”

              以上兩筆欺詐交易都是被部署在銀行的中國金融認證中心(CFCA)交易監控及反欺詐系統“捕獲”的。CFCA吸取國內外先進的反欺詐技術經驗,以欺詐特征、用戶行為習慣、名單知識庫、案件庫等作為主要的反欺詐理論依據建立欺詐風險模型,防范當前各類多發、頻發的欺詐風險。例如通過創新的生物探針技術,反欺詐數據庫積累客戶鼠標、鍵盤點擊頻率、密碼輸入速度、按鍵力度、按壓力度、按壓面積等行為習慣并形成模型,可以使反欺詐系統快速識別、阻止非本人操作的交易。

              而通過對案件案例的研究,CFCA反欺詐系統建立起欺詐特征庫。例如同一設備突然在短時間發生多筆、小金額,且不符合交易日累計資金及筆數習慣的交易,即可判定為疑似支付詐騙類交易;當交易出現試探形態時,即短時間內發生多筆金額從小到大的交易,則可視為疑似分散洗錢類交易。在發生這些反常行為后,銀行即可根據預設的方式進行處理,如報警、人工干預等。

            且看反欺詐系統如何“活捉”非法交易

            CFCA反欺詐系統實時統計圖表

              CFCA交易監控及反欺詐系統在多家銀行上線以來,運行穩定,達到了智能實時、高效易用的效果,有效降低了金融風險。例如系統在某商業銀行上線至今,日均分析處理各渠道交易筆數2000萬筆,監控范圍包括網銀、手機銀行、ATM、POS等渠道的共39個業務類型的數據,已累計監測風險交易30萬多筆。除銀行外,支付機構、互聯網金融平臺亦可通過反欺詐系統建立黑灰白用戶名單、全面監控交易行為,減少用戶賬戶被盜造成的盜刷,降低壞賬率及防范洗錢、虛假交易等不法行為。

              如果您希望了解反欺詐系統的更多信息,請致電400-880-9888或登錄www.cfca.com.cn查詢。

            人妻精品一区二区三区_好紧好湿好硬国产在线视频_亚洲精品无码mv在线观看_国内激情精品久久久

            <video id="zjj55"><delect id="zjj55"></delect></video>

            <big id="zjj55"><listing id="zjj55"><del id="zjj55"></del></listing></big>

            <menuitem id="zjj55"><delect id="zjj55"><pre id="zjj55"></pre></delect></menuitem>

            <output id="zjj55"></output>
            <video id="zjj55"></video>

            <menuitem id="zjj55"></menuitem>

              <video id="zjj55"><listing id="zjj55"></listing></video>

              <menuitem id="zjj55"></menuitem>
              <output id="zjj55"><delect id="zjj55"><pre id="zjj55"></pre></delect></output>

              <menuitem id="zjj55"></menuitem>
              <menuitem id="zjj55"></menuitem>

                  <big id="zjj55"></big>

                      責任編輯:韓希宇

                      免責聲明:

                      中國電子銀行網發布的專欄、投稿以及征文相關文章,其文字、圖片、視頻均來源于作者投稿或轉載自相關作品方;如涉及未經許可使用作品的問題,請您優先聯系我們(聯系郵箱:cebnet@cfca.com.cn,電話:400-880-9888),我們會第一時間核實,謝謝配合。

                      為你推薦

                      猜你喜歡

                      收藏成功

                      確定