为有效防范线上欺诈风险带来的威胁，有效把控客户风险情况，适应互联网金融的高速发展，我们为该行构建了一套以实时性、自动化、智能化为特征的企业中央智能风控系统，实现对行内主要电子渠道关键业务场景的反欺诈检测，预防可能造成的客户或行内的资金损失，有效支持银行风险管理工作，满足行内质量管理发展的需要。

基于客户需求和行内风控现状，协助客户分阶段完成系统建设：

（1）第一阶段，完成技术投产，实现打通行内两款贷款产品完整的反欺诈业务流程；

（2）第二阶段：确保与行内业务系统、基础设施系统及外部系统的对接，完成定制化需求。

方案背景

1. 开放银行的发展因素与同驱动

• 内部竞争加剧：存贷净息差及银行净利润增长率下降。外部竞争：全球化竞争及金融科技公司、消费金融公司、网络借贷平台等第三方公司对传统银行业务产生影响，商业银行外部竞争加剧。
• 客户需求变化：消费者的需求在不断变化，尤其是被称“互联网原住民”的90后、00后，其银行需求与上一代明显不同。年轻一代的银行客户需要快速便捷、个性化、安全化且价格适中的数字服务。
• 科技进步：人工智能、云计算、大数据、区块链等基础技术迅速发展，金融云、大数据、生物识别、智能营销、智能投顾等金融，科技近几年得到广泛应用，银行开放API的效率提高，且技术风险得以降低。
• 监管要求：数字时代金融数据出现滥用，各国对金融数据的使用逐渐提出监管要求或指引。英国、欧盟、澳大利亚等国家和地区的，金融监管当局要求部分银行以开放标准API的形式向第三方开放数据。

2. 反欺诈的趋势，银行反欺诈能力提升刻不容缓

• 从银行渠道、产品服务和客户三个方面介绍银行数字化转型的现状与趋势，并指出银行要通过技术应用和开放生态延展业务边界，构建金融服务开放平台，实现跨界、共赢。
• 银行数字化转型—渠道：在数字化的大背景下，银行网点转型，同时逐步实现线下和线上渠道一体化服务的融合。
• 银行数字化转型—产品服务：银行核心业务系统逐渐从集中式架构转变成为分布式架构。基于此，银行将会实现风控、运营、客服等领域的应用转型和业务流程再造。
• 银行数字化转型—客户：“以客户为中心”是银行数字化的核心要义。基于客户旅程分析，从客户视角实现个性化营销，同时做好客户价值管理。

方案目标

目标1：打造一体化全流程反欺诈体系，建成集交易事前防范、事中监控及事后分析的风险监控体系，有效防范电信网络诈骗、银行卡欺诈、互联网交易欺诈等，全面提升反欺诈能力。

目标2：建立面向全渠道、立体的、综合的欺诈行为监控体系，防范跨渠道、多交易作案，提高全行交易风险管理水平。

目标3：搭建稳定、动态的风险规则模型库，有效识别交易风险，实施相应的动态安全策略，实现对全渠道业务交易风险的智能排查、实时预警，有效防范欺诈风险发生。

方案特点

1. 满足金融机构个性化服务需求

顶象风控系统5.0满足多渠道数字资产统一管理、多业务场景统一风控、风险决策可解释的需要，帮助金融机构提供个性化、差异化、定制化的金融服务。

2. 实现多业务场景的统一风险管控

顶象风控系统5.0融合了不同的业务场景，实现风控和模型的进一步优化。内部不同业务渠道、不同场景的风险数据，能够直接用于实时计算和策略中，并通过覆盖端到端全链路的体系实现联防联控；中高风险用户会根据规则流转到审查中心，沉淀为案件，并借助关联网络会对离线数据进行进行潜在风险挖掘；央行征信、失信名单、全球洗钱名单等数据，作为重要指标直接应用到贷前、贷中等风控策略中；对于被标识为风险的客户，根据严重程度将信息回传给征信等外部系统，沉淀为案件，并成为关联网络离线分析的指标。

3. 实现多渠道数字资产的统一管理

顶象风控系统5.0帮助金融机构建立零售用户全生命周期深度画像。基于关联关系的标签体系、深层关联结构的挖掘、解释、监测等，根据具体需求灵活构建场景应用，以融合大数据、业务经验、和模型洞见等海量信息于一体的知识图谱，为金融机构零售部门的存贷汇等业务实现降本提效、打造智能的知识中台。

4. 让每一步风控决策都可解释

顶象风控系统5.0让风控决策皆可解释。可解释性让客户了解贷汇各项业务的进度、理由及下一步措施等，满足客户知情权需求；让监管层了解政策执行情况，满足穿透式管理需求；让银行全面掌握各项决策背后原因，满足金融机构进一步优化产品和提升流程效率。

可解释性指人类能够理解决策原因的程度。比如，拒绝用户的贷款申请，需要给出详细的依据、分析结果，并给客户提出具体的改进修正措施等。这样不仅有良好的客户体验，建立友好的客户体验，帮助架构师优化产品，使之更好满足用户需求，从而帮助运营人员分析产品、运营、营销数据，以更好运营的优化等。

方案业务流程图

实现功能展示

全业务：共对接了15个业务部门26个渠道系统；

全场景：制定了37种名单控制规则矩阵、940条反欺诈规则；

全渠道：21个渠道754支交易接入反欺诈名单控制功能，13个渠道534支交易接入交易规则控制；

全流程：对全行日均200万笔交易请求进行风险控制。

方案案例及效果

反欺诈系统采用分布式设计，集群化部署，在面对大流量和高并发场景下，使用大数据量时序和多维度计算上，内置实时计算的算子，可实现滑动窗口下的统计、求和、求平均、关联去重、历史指标、最大值等计算。在数据存储和结构设计上，利用机器学习模型和关联网络进行离线数据分析。建立了覆盖全渠道、立体的、综合的、全流程的欺诈行为风险决策体系，支持多种模式策略，有自定义、风险权重、决策流、评分卡等，可以配置引入流量、引用外部名单等数据、策略分钟级上下线控制，可有效防范电信诈骗、账户盗用、反洗钱、网络赌博等典型场景的风险交易，并根据风险等级启动相应的风险处置措施，并可实时阻断交易，实现欺诈行为的提前预防，为客户资金安全保驾护航。

该项目历史5个月，共完成了15个业务部门26个渠道系统，37种名单控制规则矩阵、940条反欺诈规则，21个渠道754支交易接入反欺诈名单控制功能，13个渠道534支交易，日均200万笔交易请求进行风险控制。

方案未来展望

构建反欺诈生态，金融云、大数据、决策引擎、区块链全面赋能反欺诈生态：

金融云：为反欺诈生态提供一体化开发、测试、部署、运行、管理、监控环境；

大数据：通过多渠道获取产业大数据和金融大数据，优化匹配多场景的全渠道、全场景、全流程的反欺诈服务

决策引擎：建立支持多种模式策略，有自定义、风险权重、决策流、评分卡等，可以配置引入流量、引用外部名单等数据、策略分钟级上下线控制，并可实时阻断交易，实现欺诈行为的提前预防，为客户资金安全保驾护航。

区块链：规划使用技术，加固防护反欺诈体系