參賽單位：桂林銀行股份有限公司

案例名稱：移動金融反欺詐平臺

案例簡介：

桂林銀行移動金融反欺詐平臺創新應用大數據流式處理技術和設備指紋技術，從異常交易、風險手機號、風險IP欺詐、黑名單、關鍵信息識別等多維度對用戶的交易數據和行為數據進行大數據分析，智能識別、預警和阻斷等各類風險異常交易，并實現毫秒級實時風險決策，全方位保護客戶資金和信息安全。平臺共由智能風險決策、風控管理和規則管理三大系統組成，同時實現與智能客服系統實時聯動，通過智能客服對高風險預警與客戶進行實時核實和提示，降低交易風險，提升風險應急處理效率。

自薦理由：

桂林銀行移動金融反欺詐平臺技術先進，整合多渠道的實時交易信息和行內外數據源，打通智能客服并實時聯動，突破了銀行傳統事后監督模式的技術限制，實現全渠道、全場景的欺詐風險智能識別和實時處置體系，對銀行業反欺詐領域的工作具有較強的借鑒意義。

項目背景：

經過幾年的不斷創新發展，桂林銀行已建成完善的移動互聯網和電子銀行服務體系，移動互聯網端的用戶和交易規模的不斷擴大，為客戶提供方便快捷、隨時隨地的多種金融服務渠道。但是，各電子渠道和移動端為客戶帶來便捷服務的同時，面臨的互聯網風險也越來越頻繁，而傳統的事后風控模式已無法滿足當前移動互聯業務快速發展的要求。為進一步提升客戶的賬戶、信息和交易安全性，林銀銀行創新應用大數據、人工智能等最新技術，建設了全渠道、全場景、全時段的移動金融反欺詐平臺。

創新技術/模式應用：

一、 創新應用流式大數據技術，提升海量數據流的實時處理效率。

1. 高并發的流數據進行極速處理

（1）單個流數據處理請求可微秒級完成。

（2）單節點（普通PC server）可完成每秒5000筆的業務數據流處理。

（3）集群能力可以到達每秒10萬筆的并發業務數據處理。

2. 大數據集實時復雜數學計算

（1）大數據集的方差、標準差、K階中心矩等計算達到毫秒級。

（2）大數據集的遞增、遞減，最大連續遞增和最大連續遞減計算達到毫秒級。

（3）大數據集的去重、歸組操作計算達到毫秒級。

3. 海量數據進行高性能智能分析

（1）最大時間窗口無限制，理論上可以處理百年的數據。

（2）單節點（普通PC server）完成每秒千萬級的計算。

（3）集群能力可線性橫向擴展，處理能力無上限。

二、 采用中央風控平臺架構實現全渠道交易實時集中風控

1. 風控系統的獨立性

風控系統相對業務系統的獨立性，保證了業務系統的正常交易流程不受影響。

2. 迭代迅速

較高的獨立性使得其功能的迭代速度得到巨大提升，為應對變化中的欺詐風險提供了底層保障。

3. 以用戶為中心的安全保障

中央風控平臺對各渠道交易以用戶為維度進行跨渠道、跨業務場景的風險追蹤，結合用戶的行為軌跡綜合評估用戶操作風險，解決了傳統風控系統單一渠道單一業務進行風險判別的局限性問題。

解決行業哪些痛點：

一、 實現全渠道、全場景、全時段的實時智能風控，風險防控能力得到極大提升。

桂林銀行移動金融反欺詐平臺作為中央風控平臺，為各渠道的欺詐風險監控賦能，解決了銀行業中各業務渠道交易數據不互通、聯動性差的問題，通過對交易數據的整合，實現了跨渠道、跨業務的用戶行為追蹤，綜合評估用戶行為風險。

二、 應該流式大數據處理技術，實現客戶交易實時風控。

反欺詐平臺的底層技術中，采用了流式大數據處理技術，在海量數據源源不斷進入系統時，系統直接在內存中對實時數據進行計算并處理，解決了傳統事后監督系統的技術瓶頸，支持了風險決策系統對持續大流量的實時數據進行分析并快速響應。

三、 風控規則可視化參數配置，有效提升了平臺風控策略調整能力。

建立了強大的智能風控規則管理系統，采用可視化規則模塊管理方式，風控策略可隨時調整并及時生效，將傳統需通過需求提出、開發測試、上線排期等一系列開發流程才能將規則開發并部署上線的周期極大縮短，減少了開發成本，提升平臺風控能力。

四、 多維度反欺詐風控模型，實現主動防御和攔截。

建立多維度風控模型組合，整合全渠道交易數據，智能分析客戶的行為習慣，消費偏好等，形成客戶畫像和標簽，建立豐富的風控模型，有效提升風險交易決策能力，并預測風險發生趨勢，實現主動防御和攔截。

五、 客服平臺實時聯動，實現風險預警主動核查。

反欺詐平臺聯動智能客服平臺，在風險交易發生時第一時間與客戶進行核實，解決銀行以往面臨的風險處理滯后問題，有效降低客戶損失，提升客戶體驗和銀行安全形象。

執行過程及風險控制：

一、 執行過程

（1）客戶通過各渠道進行登錄、轉賬、消費等交易時，交易數據實時傳輸到反欺詐平臺進行大數據分析；

（2）依托平臺的風控模型、風控規則、黑名單等對交易數據進行智能分析，對異常風險交易進行預警、阻斷或加強認證等決策；

二、 風險控制

通過規則管理平臺實現智能風控，當客戶的風險交易觸發規則時，平臺根據所觸發的規則對應的策略發揮決策結果，對客戶的交易請求進行管控。其中驗證策略包括：指紋驗證、手機短信驗證、人臉識別驗證、阻斷交易和放行；通知策略可發送短信消息到客戶預留手機號碼進行交易和風險提示；管控策略包括：暫停非柜面、臨時凍結付款銀行卡、延遲商戶結算等手段，有效對識別的風險進行防控。

同時，風控管理平臺支持風險核查人員將分析識別的可疑設備、IP地址、銀行卡及客戶身份信息等錄入平臺黑名單庫，進行全渠道的風險管控。

三、 制度建設

依據行內現狀及未來規劃，制定移動金融反欺詐平臺管理辦法，推廣至業務渠道接入部門，明確崗位職責。

1. 各業務渠道部門設置相應的風險分析崗與風險審核崗進行反欺詐平臺日常運營，風險分析崗負責欺詐特征、欺詐趨勢的研究工作，及時優化、部署反欺詐規則模型，提升反欺詐監控效果。風險審核崗負責反欺詐案件審核工作，對客戶風險案件進行最終的確認。

2. 借助數字化專業部門的數字化建設能力，實現數據分析、數據挖掘、人工智能技術等在反欺詐平臺大數據分析、風險行為分析、風控規則優化和風控建模等方面的具體應用，以適應業務發展，提升系統智能化風控水平。

3. 客服對反欺詐平臺的風險核查工作，對風險事件進行核實，接受客戶的咨詢，及時有效的對實時產生的風險情況進行排查，并向業務渠道部門反饋風險核查工作情況。

4. 反欺詐平臺主管部門負責系統的日常管理，承擔各參與部門的協調與問題溝通工作。

效果評估：

平臺2019年初全面運行以來，累計監控交易超1億多筆，處理包括賬戶盜刷、信用卡套現、商戶欺詐、偽卡欺詐、異常操作、虛假開戶、盜刷等多起風險交易，對高風險交易進行實時攔截；同時對疑似風險交易加強安全驗證措施超15萬筆，有效降低了業務風險。同時對系統運行交易數據進行數據分析，優化風險模型和完善業務規則，進一步提升平臺的智能風險防控能力，也為全行其它業務發展提供豐富的數字化能力支持。

責任編輯：方杰