參賽單位：招商銀行

案例名稱：POS反欺詐模型項目

案例簡介：

目前境外POS銀行卡欺詐是銀行面臨的一個非常普遍的問題，其主要痛點如下：

1 客戶面臨資金損失

2 影響客戶支付體驗

3 基于規則的欺詐交易攔截誤報率較高

4 實時反欺詐攔截面臨挑戰

5 識別側錄點的準確度不高

本項目主要從以下兩個方面進行解決：

1. 實時識別境外POS過卡盜刷交易并進行交易阻斷 

境外POS反欺詐模型為實時模型。針對每一筆境外POS過卡交易，模型在20ms內識別其盜刷風險，給出風險評分。招行交易決策引擎根據風險評分，實時進行交易干預，拒絕欺詐交易。

2. 排查境內外信息泄露點（包含線下側錄和線上信息泄露）

信息泄漏點比對模型為觸發類模型。針對已被盜刷的卡號，通過圖計算等方法識別其歷史交易共性，包含商戶號、商戶名、收單機構等維度。精確定位信息泄露點。

針對以上兩個場景，招商銀行零售金融總部與慧安金科（北京）科技有限公司共建兩個模型，分別控制終端POS境外盜刷及源頭銀行卡信息側錄的風險。

項目背景：

境外POS過卡交易風險一直較為突出，并且近期其盜刷形態展現出由單卡側錄盜刷轉向數據泄露卡片信息泄露批量集中盜刷的趨勢。信息泄露案件造成的盜刷往往呈現出批量、快速的特征。對于銀行來說，快速識別信息泄露案件，及時排查涉及到信息泄露的卡片、并且在交易端防堵盜刷損失顯得尤為重要。

創新技術/模式應用：

1. 實時反欺詐模型

境外POS反欺詐模型的結果直接介入了交易決策，因此對于模型本身的性能和穩定性要求極高。在實際上線應用中，模型做到99.9%的交易請求在20ms內返回交易風險評分。為了達到相關性能要求，針對模型整體的實施方案中系統架構和算法都做了大量優化工作，在業內比較領先。

2. 圖計算技術

從POS欺詐交易的統計特征上分析，大多是欺詐交易存在異常關聯的特點，這些關聯關系包含設備、交易對手、購買商品、 交易地址、交易時間、交易頻率、交易行為、交易結構等關聯，而圖計算是處理分析關聯關系有效手段之一，在信息泄漏點比對模型中運用了圖計算技術，針對被盜刷卡片的歷史交易和關聯關系進行圖計算、尋找其與歷史相關欺詐交易的共性，生成泄漏點比對模型需要的關聯特征。

3. 模型自學習、更新

模型能夠周期性地從最新的案例中自主更新學習，以持續適應新的欺詐手段；模型均實現了模型自更新功能，定期或手動觸發模型更新過程，線下訓練模型版本。形成新的模型版本后，可評估比較其模型效果與在線模型的優劣，可實現一鍵替換在線模型。

解決行業哪些痛點：

1. 能夠實現復雜模型的實時決策

基于復雜機器學習的交易反欺詐模型，由于其特征計算維度多，時效性和準確性同時實現難度極高。在本項目中，為了兼顧實時性要求和模型效果要求，我們針對整體模型架構進行拆分，將實時特征衍生、歷史特征更新提取、在線模型評分計算進行拆分，通過技術手段實現了復雜模型的實時計算，準確性也達到了設計要求。

2. 能夠輸出多維度信息泄露點

信息泄露點涉及維度較多，有可能是單個商戶側錄，有可能是連鎖集團數據泄露，有可能是境內收單機構數據泄露。本次信息泄漏點模型可解析商戶名，識別商戶名關鍵字，可快速定位連鎖集團信息泄露案件。

3. 實現主動防范風險

通過提交客戶場景下的訂制信息（非敏感且不侵犯個人隱私信息），實時識別盜刷交易，直接攔截風險交易，防堵損失；識別側錄點，回溯高風險測錄卡號進行換卡，提前防堵損失；聯防聯控，接收同業、卡組織通報側錄點，直接產出風險卡片，提前防堵損失。

效果評估：

模型整體上實現高精準度、低延時的效果，能夠為客戶提供實時線上決策服務，系統架構采用分布式部署，確保服務的課伸縮性和穩定性。模型具體效果指標如下：

欺詐模型效果評估：

1. 境外POS交易反欺詐模型

打擾率十萬分之五的情況下，盜刷交易筆數查全率50%以上

2. 信息泄漏點比對模型

在輸出的各個維度Top10比對結果中，真實信息泄露點覆蓋率100%

欺詐模型性能評估：

1. 境外POS交易反欺詐模型

99. 9%的交易請求在20ms內完成風險評分計算返回交易決策引擎

2. 信息泄漏點比對模型

100%的信息泄漏點比對任務在15min內完成模型結果輸出

責任編輯：方杰