案例名稱

基于客戶交易多要素評分的反欺詐風控平臺

案例簡介

為應對日益嚴峻的電信欺詐形勢，實現精準識別客戶風險、分類分級管理賬戶，實現針對涉詐資金交易的新特征、新趨勢，及時動態調整監測模型參數，實現事前分析預判、事中強化認證、事后核實調整，實時或準實時介入客戶交易的全流程管控，有效提升涉詐資金交易的時效性、有效性，渤海銀行建設了基于客戶交易多要素評分的反欺詐風控平臺（以下簡稱“渤海銀行反詐平臺”），按照名單規則、評分規則、調整規則的次序進行客戶交易要素評分，結合客戶交易習慣進行針對性的風險等級調整，之后采取相對應的強化認證和交易管控策略，可初步實現普遍適用規則與客戶行為個性化之間的平衡，為實現千人千面的精準防控積累經驗和數據。

創新技術/模式應用

渤海銀行反詐平臺通過采取主流的流處理技術基礎，通過綜合評分和個性化調整確定客戶交易風險等級，引入多種數據優化決策基礎，初步構建了全方位風險監控體系。

一、流處理技術基礎

渤海銀行反詐平臺通過搭建融合CEP、可增量計算緩存、“時間切片”計算技術等理念的實時流數據處理平臺, 實時接收來自業務系統的交易數據，通過在數據流水流轉過程中嵌入流處理引擎，將所有流過的數據根據預先載入的計算腳本，得到一個時間窗口可伸縮的計算結果，合并生成一個多維度的可計算數據魔方，并將結果保存在分布式存儲中，實現了大數據應用場景的低延時、高并發計算，有效提升了響應速度，為事中管控奠定了技術基礎。

二、通過綜合評分和個性化調整確定客戶交易風險等級

渤海銀行反詐平臺按照名單規則、評分規則、調整規則的次序，尤其是在評分規則階段實現客戶交易時間、地點、金額、對象、渠道等多要素評分，并結合客戶交易習慣進行針對性的風險等級調整，之后采取相對應的強化認證和交易管控策略，可初步實現普遍適用規則與客戶行為個性化之間的平衡。

名單規則即判斷客戶是否處于黑白名單。當客戶交易滿足黑名單規則，則予以阻斷；滿足白名單規則，則予以放行。

評分規則階段，通過將傳統規則進行要素分解，盡量明細化、碎片化地設置規則指標并賦予相應分值，實現了依據客戶交易特征滿足不同指標從而計算規則得分。

調整規則階段根據對客戶日常交易行為的特征分析，對評分規則階段的得分進行針對性地調整。

三、多種數據支持，評分與專家規則雙輪驅動

渤海銀行反詐平臺通過與監管機構、合作機構等建立涉詐客戶交易數據、基礎數據等的對接共享或者引入分析，實現了基于多數據來源的客戶風險識別和交易風險等級判定，在通過專家規則實現客戶交易風險及時處置的同時，也實現了區域性、階段性、重點業務涉詐風險的有效管控，同時有效補充了涉詐黑灰樣本，為持續優化評分規則，實現評分與專家規則雙輪驅動提供了有力的數據支持。

渤海銀行反詐平臺處理流程示意圖

項目效果評估

渤海銀行反詐平臺初步實現了普遍適用規則與客戶行為個性化之間的平衡，為實現千人千面的精準防控積累經驗和數據。

一、各渠道交易的全面覆蓋

渤海銀行反詐平臺已覆蓋線上線下多個交易渠道，近20個業務系統，共計部署規則模型超過400余條，實現了對超過200支各類交易、月均超2500萬筆的監控，通過月均超25萬次的提醒、超5萬次的強化認證，實現對客戶資金超1億元/月的風險防控。

二、精準防控的有益探索

渤海銀行反詐平臺初步實現普遍適用規則與客戶行為個性化之間的平衡，通過評分規則避免了傳統規則需同時滿足多個既定條件觸發管控策略的不足，實現了根據客戶交易特征確定風險等級，并根據不同渠道的管控策略、不同客戶的認證方式采取交易放行、彈窗預警、短信提醒、強化認證、交易攔截等針對性、個性化地應對措施和管控策略，為保障預警覆蓋率和命中率、降低交易誤報率和漏報率、進行了有益的探索。

三、流處理模式有力支撐客戶交易事中管控

渤海銀行反詐平臺的流處理模式可實現單節點風控引擎的吞吐量不低于5000筆/s，99%以上的交易延時不高于100ms，實時處理復雜邏輯時不會對引擎的吞吐量造成較大影響，總體性能居于行業前列，有力地支撐了對客戶交易的實時風險評分、事中管控，提升客戶體驗。

項目牽頭人

王文彬 渤海銀行網絡金融部風控合規高級經理

項目團隊成員

項目經理：王文彬

業務組成員：胡毅、黃倩、張哲、甄宇、李孜瑋

技術組成員：張冉、韓禹萌、高暢、王帥

責任編輯：陳愛