大数据时代下欺诈风险实时侦测课件.pptVIP

大数据时代下欺诈风险实时侦测 1 实现要点 反欺诈 处理 - 快，毫秒级欺诈识别 - 稳，7*24小时服务 措施 事中干预 事后核实 大数据 内部数据 外部数据 模型 规则 异常值模型 关联模型 神经网络模型 2000-2012年全球支付卡欺诈损失金额和bp统计 2012-2018年美国支付卡各类型欺诈损失统计及预测 什么是申请欺诈 申请欺诈—以欺诈为目的，申请个人信贷账户以骗取银行资金的行为。可细分为虚假身份申请和虚假资料申请两类。 虚假身份：指窃取他人身份证件（身份证、军官证、护照等），或伪造虚假身份证件，申请信用卡的欺诈行为。 虚假资料：指身份证件真实、有效，但工作单位信息（包括工作单位、工作单位地址、办公电话等）和住宅信息（包括住宅地址、住宅电话等）全部与实际情况不符的虚假申请欺诈。 申请反欺诈大数据 8 年龄 职业 开户时间 开户地区 交易时间 交易金额 交易地点 交易渠道 核心数 据 8 账户查询信息 地址变更 修改密码信息 手机变更 交易反欺诈大数据 客户交易特征行为档案 客户交易特征行为档案用来记录客户的消费行为和交易模式，是交易反欺诈的核心技术之一。 欺诈分子可以盗用客户信息，也可以伪造客户卡片，但是无法复制客户的交易行为模式。 特征行为档案从各个维度刻划客户的交易行为，从而反映每个客户独特的交易模式。 特点： 每个客户有自已唯一的交易特征行为档案 档案随着客户的交易活动实时更新 用来侦测当前交易和客户自身行为模式异同 交易反欺诈神经网络模型 反欺诈领域，普遍使用神经网络模型技术，该技术模拟人脑功能的基本特征，适合处理需同时考虑许多因素和条件的非线性问题。神经网络模型具有识别率高、稳定性强且易于系统落地实施等优点。 异常值模型是用于从大量数据构成的样本群体中识别出与该群体有显著差异或者异常情况的样本的过程。在反欺诈领域，欺诈交易和正常交易有显著差异,可以用异常模型进行补充。 异常模型 12 交易反欺诈系统 1发起交易 4欺诈交易， 返回拒绝 2实时发送 3返回 判断结果 5正常交易，通过网关上送主机处理 6卡片冻结 系统建立在“渠道-反欺诈-主机”的实现框架上： 交易渠道：客户刷卡后，从银联、VISA、万事达等卡组织向银行发送实时交易。 欺诈识别： 对卡组织交易数据进行清洗补齐，并提取风险特征。 将风险特征载入神经网络和业务规则，对交易进行欺诈判断。 对可疑交易实施拦截，并发送验证码核实。 主机： 对正常交易执行账务处理。 对异常交易登记拦截原因。 对欺诈卡片实施冻结处理。