某国内领先股份制银行信用卡中心
线下伪卡交易侦测

背景与挑战

某大型银行面临着欺诈、信用违约两类风险的困扰,欺诈问题日益呈现团体化、专业化、智能化的趋势。在反欺诈工作上,该行仍沿用分析-防范-反馈的业务流程来进行,而欺诈行为的形式、主体、损失方向均由不同类型构成,当前单纯依赖规则的风控反欺诈侦测手段已经无法有效防控日益复杂的欺诈风险。
因此,围绕着业务全流程,如何利用AI技术,构建“数据-技术-制度”为核心的可以应对不同场景的反欺诈体系,成为了银行风控部门的重要目标。

业务目标

围绕着银行业务的主要环节,识别每个流程中的关键活动及核心影响因素,利用AI技术,对上下游的数据、流程、系统进行充分的规划和建设,构建AI级的风控大脑,帮助银行通过“数据+应用+流程”相结合的手段,建立面向全行的反欺诈风控体系,实现全渠道、一体化的交易过程风险管控。

难点与关键成功因素

现阶段,信用卡中心交易风险部门利用数以千计的专家规则进行策略防控和风险侦测,在识别准确率和案件覆盖率上都存在一定的优化空间。因此,如何利用机器学习技术更高效、快速、精准的识别交易欺诈,成为了该行主要的探索目标和方向。利用用户的多维度信息、刻画各种特征,研发出超出业务预期效果的反欺诈解决方案,并保证欺诈模型在很长一段时间内维持在同一个水平基线上是本项目的一大难点。

除了模型本身外,如何将研发的模型运用于生产环境,并满足业务数十毫秒内的交易响应要求,是该类问题的另一大难点和关键成功要素。

业务成果

机器学习模型在2.68%的准确率的情况下,覆盖了80%的交易

40倍

TOP 10%:
第四范式模型准确率84%,为现有规则的40倍

260倍

TOP 50%:
第四范式模型准确率25.97%,为现有规则的260倍

展望未来

现阶段,第四范式的反欺诈解决方案通过机器学习模型与传统专家规则的结合,实现了多场景、全流程的风险管控。同时,随着场景的扩充、业务策略的不断完善,第四范式正在就智能风控平台进行更加细致的开发和更新迭代,为客户提供更便捷、高效、灵活、精准、长期可用的风控反欺诈方案。