成運(yùn) 陳萍

（貴陽(yáng)銀行股份有限公司 貴州省貴陽(yáng)市 550081）

2021年底中國(guó)人民銀行印發(fā)《金融科技發(fā)展規(guī)劃（2022～2025年）》，提出新時(shí)期金融科技發(fā)展指導(dǎo)意見(jiàn)，明確金融數(shù)字化轉(zhuǎn)型的總體思路、發(fā)展目標(biāo)、重點(diǎn)任務(wù)和實(shí)施保障，金融科技發(fā)展已是大勢(shì)所趨。隨著金融科技的快速發(fā)展，商業(yè)銀行的服務(wù)模式、服務(wù)場(chǎng)景及面對(duì)的客戶越來(lái)越多樣化，金融服務(wù)逐步不再受地域、時(shí)間的限制。金融科技的應(yīng)用為商業(yè)銀行在提升業(yè)務(wù)能力、提高流程效率、等方面帶來(lái)了多樣性的解決方案，商業(yè)銀行面臨更多的選擇機(jī)會(huì)。同時(shí)也帶來(lái)了新的欺詐風(fēng)險(xiǎn)。

1 嚴(yán)峻的欺詐風(fēng)險(xiǎn)形勢(shì)

1.1 專業(yè)化程度越來(lái)越高

當(dāng)下云計(jì)算、大數(shù)據(jù)、人工智能、生物識(shí)別等新興技術(shù)在金融行業(yè)已經(jīng)大量應(yīng)用在產(chǎn)品創(chuàng)新、流程優(yōu)化、效率提升等方面，與此同時(shí)金融欺詐手段也隨之快速更新。從原來(lái)的盜號(hào)、盜刷、身份盜用等傳統(tǒng)模式，逐步演變?yōu)閷I(yè)化的行為，如電信詐騙、網(wǎng)絡(luò)傳銷、線上購(gòu)物、金融理財(cái)、網(wǎng)絡(luò)游戲、虛擬貨幣等新型組合型復(fù)雜手段。在進(jìn)行欺詐行為時(shí)混淆使用數(shù)字金融、移動(dòng)金融、大數(shù)據(jù)、互聯(lián)網(wǎng)技術(shù)、人工智能等新興概念后，使得欺詐手段更具迷惑性，更加難以被識(shí)別。在近幾年推進(jìn)數(shù)字化轉(zhuǎn)型、擁抱金融科技的大環(huán)境下，專業(yè)化的欺詐手段滲透環(huán)節(jié)多、手段多樣，越來(lái)越呈現(xiàn)出專業(yè)化的趨勢(shì)。

1.2 系統(tǒng)化程度越來(lái)越高

與傳統(tǒng)的商業(yè)銀行面臨的欺詐行為相比，數(shù)字化金融欺詐手段通常是有組織、有規(guī)模的，有專業(yè)化的系統(tǒng)進(jìn)行支持，其系統(tǒng)甚至比部分中小銀行更加先進(jìn)。欺詐行為的實(shí)施往往是“多方協(xié)作”“相互配合”，涉及欺詐金額巨大、涉案人員眾多，已經(jīng)形成一條黑色犯罪產(chǎn)業(yè)鏈。欺詐者依靠高度系統(tǒng)化、信息化的方式進(jìn)行欺詐，規(guī)模較大的欺詐團(tuán)伙及集團(tuán)的欺詐行為主要通過(guò)系統(tǒng)自動(dòng)化實(shí)現(xiàn)，很少有人工進(jìn)行干預(yù)，都是后臺(tái)系統(tǒng)自動(dòng)化、批量化的操作。

1.3 隱蔽性越來(lái)越強(qiáng)

由于大數(shù)據(jù)技術(shù)、金融科技、移動(dòng)金融的快速發(fā)展，使得欺詐也借助數(shù)字化實(shí)現(xiàn)了隱蔽化，更加難以被識(shí)別。具體來(lái)說(shuō)，首先是移動(dòng)化。欺詐分子也利用移動(dòng)化的設(shè)備，充分利用網(wǎng)絡(luò)環(huán)境，使得異地、全國(guó)范圍甚至全球作案成為現(xiàn)實(shí)。其次是欺詐高頻化，欺詐分子依托先進(jìn)的技術(shù)手段，可以進(jìn)行全天候24 小時(shí)的持續(xù)欺詐。

2 反欺詐系統(tǒng)搭建

2.1 反欺詐系統(tǒng)框架設(shè)計(jì)

企業(yè)級(jí)反欺詐體系建設(shè)的核心在于原各業(yè)務(wù)系統(tǒng)數(shù)據(jù)間的整合加工，使得底層數(shù)據(jù)互聯(lián)互通，為上層反欺詐的業(yè)務(wù)應(yīng)用提供統(tǒng)一的數(shù)據(jù)基礎(chǔ)。在此數(shù)據(jù)基礎(chǔ)上通過(guò)人工智能等相關(guān)技術(shù)，應(yīng)用規(guī)則引擎、有監(jiān)督機(jī)器學(xué)習(xí)以及圖計(jì)算等相關(guān)技術(shù)，識(shí)別、提煉出欺詐行為特征，并將結(jié)果運(yùn)用到具體的零售信貸業(yè)務(wù)各關(guān)鍵環(huán)節(jié)，例如在產(chǎn)品申請(qǐng)前，充分利用生物識(shí)別、人臉檢測(cè)、設(shè)備安全檢測(cè)等手段，把好入口關(guān)。反欺詐體系的設(shè)計(jì)應(yīng)與其他風(fēng)控體系建設(shè)相結(jié)合，而不是單獨(dú)規(guī)劃。在零售信貸領(lǐng)域，應(yīng)從信貸業(yè)務(wù)全生命周期的風(fēng)控角度考慮整個(gè)風(fēng)控體系的建設(shè)，反欺詐體系則應(yīng)融合在信貸生命周期的關(guān)鍵環(huán)節(jié)。通常，反欺詐體系會(huì)作為信用風(fēng)險(xiǎn)體系建設(shè)的前置環(huán)節(jié)，作為整個(gè)信貸風(fēng)控體系的第一道關(guān)卡進(jìn)行規(guī)劃。結(jié)合商業(yè)銀行零售信貸業(yè)務(wù)特點(diǎn)，建議框架設(shè)計(jì)如圖1所示。

圖1：反欺詐系統(tǒng)框架設(shè)計(jì)

在完成上述系統(tǒng)支撐設(shè)計(jì)后，從業(yè)務(wù)流程角度出發(fā)，應(yīng)建立涵蓋全業(yè)務(wù)生命周期管理的統(tǒng)一風(fēng)控體系，具體如圖2。

圖2：全業(yè)務(wù)流程風(fēng)控體系設(shè)計(jì)

關(guān)鍵措施及節(jié)點(diǎn)包括：

2.1.1 數(shù)據(jù)整合

商業(yè)銀行在以往的業(yè)務(wù)場(chǎng)景中積累了大量的多維度業(yè)務(wù)數(shù)據(jù)，這些業(yè)務(wù)數(shù)據(jù)分散在各個(gè)業(yè)務(wù)系統(tǒng)中，久而久之，就形成了一個(gè)個(gè)數(shù)據(jù)孤島，這種信息的不對(duì)稱現(xiàn)象是欺詐行為難以及時(shí)有效被識(shí)別的原因之一。隨著分布式數(shù)據(jù)庫(kù)以及分布式計(jì)算的發(fā)展，使得銀行在成本可控的情況下?lián)碛写髷?shù)據(jù)處理的能力，打破了數(shù)據(jù)孤島，實(shí)現(xiàn)數(shù)據(jù)的互聯(lián)互通與共享共用。通過(guò)大數(shù)據(jù)平臺(tái)的建設(shè)將各個(gè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)匯總轉(zhuǎn)換形成面向各個(gè)應(yīng)用主題的數(shù)據(jù)集市。

2.1.2 欺詐特征識(shí)別

傳統(tǒng)欺詐特征的識(shí)別主要依賴業(yè)務(wù)專家的經(jīng)驗(yàn)，通過(guò)內(nèi)部黑名單數(shù)據(jù)、征信數(shù)據(jù)、法院執(zhí)行數(shù)據(jù)、公安數(shù)據(jù)以及外部黑名單數(shù)據(jù)設(shè)置業(yè)務(wù)，規(guī)則的主要內(nèi)容類似于是否命中黑名單、是否是法院被執(zhí)行人等，規(guī)則形式簡(jiǎn)單，無(wú)法綜合利用多維度的客戶數(shù)據(jù)，沒(méi)有充分發(fā)揮出已有的數(shù)據(jù)優(yōu)勢(shì)，難以檢測(cè)復(fù)雜的欺詐模式。同時(shí)，每條反欺詐業(yè)務(wù)規(guī)則的設(shè)置往往來(lái)自以往商業(yè)銀行曾經(jīng)的歷史經(jīng)驗(yàn)教訓(xùn)，這就導(dǎo)致已有的反欺詐業(yè)務(wù)規(guī)則難以防范新的欺詐形式。人工智能技術(shù)興起后，為欺詐特征識(shí)別提供了強(qiáng)有力的手段。除了傳統(tǒng)反欺詐業(yè)務(wù)規(guī)則設(shè)置外，應(yīng)用有監(jiān)督的機(jī)器學(xué)習(xí)方法，包括邏輯回歸、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等算法，根據(jù)客戶的多維度數(shù)據(jù)以及以往積累的欺詐標(biāo)簽數(shù)據(jù)，通過(guò)算法構(gòu)建出有效的反欺詐模型，通過(guò)概率的形式輸出可能存在的欺詐風(fēng)險(xiǎn)。

2.1.3 欺詐風(fēng)險(xiǎn)處置

欺詐風(fēng)險(xiǎn)的處置策略根據(jù)銀行欺詐風(fēng)險(xiǎn)的可接受水平和反欺詐決策結(jié)果進(jìn)行設(shè)置。以零售信貸領(lǐng)域的申請(qǐng)反欺詐為例，按照觸碰反欺詐業(yè)務(wù)規(guī)則和反欺詐模型的綜合決策結(jié)果將每一筆貸款申請(qǐng)的欺詐風(fēng)險(xiǎn)劃分為高欺詐風(fēng)險(xiǎn)、中欺詐風(fēng)險(xiǎn)和低欺詐風(fēng)險(xiǎn)，具體劃分標(biāo)準(zhǔn)根據(jù)銀行內(nèi)部實(shí)際情況決定，對(duì)于不同欺詐風(fēng)險(xiǎn)的申請(qǐng)采用的處置方式主要有以下幾類：

（1）風(fēng)險(xiǎn)阻斷，對(duì)于高欺詐風(fēng)險(xiǎn)的申請(qǐng)，通過(guò)制定反欺詐策略對(duì)貸款申請(qǐng)進(jìn)行實(shí)時(shí)阻斷，自動(dòng)拒絕。

（2）人工復(fù)審，對(duì)于中欺詐風(fēng)險(xiǎn)的申請(qǐng)，由欺詐審查崗進(jìn)行人工復(fù)核，并給出審查意見(jiàn)，根據(jù)審查意見(jiàn)進(jìn)入下一階段流程。

（3）自動(dòng)通過(guò)，對(duì)于低欺詐風(fēng)險(xiǎn)的客戶，則在欺詐偵測(cè)環(huán)節(jié)不需要任何干預(yù)，直接進(jìn)入下一階段的流程。

2.2 人工智能在反欺詐領(lǐng)域的應(yīng)用

2.2.1 客戶畫(huà)像

客戶畫(huà)像是通過(guò)商業(yè)銀行內(nèi)部數(shù)據(jù)的整合分析，通過(guò)客戶的行為習(xí)慣，從各個(gè)維度給客戶打上標(biāo)簽。例如客戶喜歡使用手機(jī)銀行渠道進(jìn)行轉(zhuǎn)賬交易，則可以將客戶打上“偏好渠道為手機(jī)銀行”的標(biāo)簽。商業(yè)銀行可以從行內(nèi)的客戶基本信息數(shù)據(jù)、交易數(shù)據(jù)、理財(cái)數(shù)據(jù)、渠道數(shù)據(jù)、信貸數(shù)據(jù)、設(shè)備屬性、操作習(xí)慣、產(chǎn)品偏好、地域?qū)傩詷?gòu)建全方位的標(biāo)簽體系。在欺詐偵測(cè)中，通過(guò)度量操作用戶和真實(shí)用戶標(biāo)簽之間的相似度，為虛假身份識(shí)別提供數(shù)據(jù)依據(jù)，使得欺詐風(fēng)險(xiǎn)偵測(cè)環(huán)節(jié)前移，有效提升欺詐風(fēng)險(xiǎn)識(shí)別的前瞻性。

2.2.2 關(guān)聯(lián)圖譜

在交易反欺詐和申請(qǐng)反欺詐領(lǐng)域中，關(guān)聯(lián)圖譜是重要的分析工具。尤其是在團(tuán)伙欺詐方向，關(guān)聯(lián)圖譜分析是不可缺失的利器。傳統(tǒng)的風(fēng)險(xiǎn)管理中，基于客戶個(gè)人的信息進(jìn)行風(fēng)險(xiǎn)評(píng)判，存在被繞過(guò)的風(fēng)險(xiǎn)，所以需要融合客戶在關(guān)聯(lián)圖譜的位置、與其他風(fēng)險(xiǎn)客戶的關(guān)系和距離，構(gòu)建基于關(guān)聯(lián)數(shù)據(jù)的欺詐可視化網(wǎng)絡(luò)，通過(guò)網(wǎng)絡(luò)的構(gòu)建傳播、識(shí)別潛在的欺詐風(fēng)險(xiǎn)，尤其是針對(duì)團(tuán)隊(duì)欺詐可以做到提前識(shí)別與預(yù)警。具體應(yīng)用主要有以下幾個(gè)方面：

（1）異常檢測(cè)。異常檢測(cè)是在無(wú)監(jiān)督模型學(xué)習(xí)中比較有代表性的方法，即在數(shù)據(jù)中找出具有異常性質(zhì)的點(diǎn)或團(tuán)體。以零售貸款申請(qǐng)為例，作為欺詐團(tuán)伙，通常在團(tuán)隊(duì)內(nèi)部共享一些申請(qǐng)信息，如注冊(cè)信息、地址信息、聯(lián)系信息、設(shè)備信息等。因此，在關(guān)聯(lián)圖譜中，大多數(shù)的正常的個(gè)體應(yīng)該是獨(dú)立的節(jié)點(diǎn)，或者與另少部分節(jié)點(diǎn)組成規(guī)模較小的團(tuán)體。若出現(xiàn)十幾個(gè)甚至幾十個(gè)節(jié)點(diǎn)關(guān)系密切時(shí)，則這些團(tuán)體可被歸為異常，這時(shí)就會(huì)觸動(dòng)系統(tǒng)自動(dòng)預(yù)警及相應(yīng)的人工接入。

（2）設(shè)置業(yè)務(wù)規(guī)則。在申請(qǐng)反欺詐場(chǎng)景中，通過(guò)關(guān)聯(lián)圖譜的可視化，可以讓審批人員察覺(jué)到可能存在的風(fēng)險(xiǎn)，但是由于每個(gè)人主觀判斷不一致，導(dǎo)致不同審批人員對(duì)同一張網(wǎng)絡(luò)會(huì)存在不同的意見(jiàn)，所以需要基于關(guān)聯(lián)圖譜設(shè)置網(wǎng)絡(luò)規(guī)則，為審批人員就確定的風(fēng)險(xiǎn)信息設(shè)置同一評(píng)判標(biāo)準(zhǔn)。常用于設(shè)置規(guī)則的指標(biāo)如表1所示。

表1：基于關(guān)聯(lián)圖譜的審批規(guī)則

通過(guò)表1所示規(guī)則指標(biāo)的設(shè)置，可以明確客戶周圍的風(fēng)險(xiǎn)節(jié)點(diǎn)，以及揭示客戶信息中的異常點(diǎn)，對(duì)客戶的風(fēng)險(xiǎn)做出更加全面的判斷。

（3）構(gòu)建網(wǎng)絡(luò)特征。關(guān)聯(lián)圖譜中的關(guān)系數(shù)據(jù)為提高有監(jiān)督機(jī)器學(xué)習(xí)模型的分類效果提供有效幫助。區(qū)別于直接使用客戶自身相關(guān)的數(shù)據(jù)，通過(guò)引入關(guān)系數(shù)據(jù)的相關(guān)變量訓(xùn)練的反欺詐模型，能夠更全面地揭示申請(qǐng)人的風(fēng)險(xiǎn)，減少欺詐造成的損失。

2.2.3 生物識(shí)別

設(shè)備指紋技術(shù)通過(guò)關(guān)聯(lián)設(shè)備硬件、軟件、網(wǎng)絡(luò)等多維度信息，根據(jù)特有的算法生成唯一的ID。設(shè)備指紋技術(shù)可以應(yīng)用到交易反欺詐、申請(qǐng)反欺詐、客戶畫(huà)像分析、關(guān)聯(lián)圖譜分析等場(chǎng)景中。例如通過(guò)對(duì)設(shè)備指紋的追蹤分析，發(fā)現(xiàn)用戶在利用之前未使用過(guò)的設(shè)備在非常用時(shí)段進(jìn)行轉(zhuǎn)賬交易，則可對(duì)該交易進(jìn)行攔截，并發(fā)送驗(yàn)證碼核實(shí)或者進(jìn)行人臉識(shí)別核實(shí)。單純通過(guò)設(shè)備指紋技術(shù)雖然不能完全阻止欺詐，但可作為反欺詐的第一道防線，極大提高黑產(chǎn)和惡意欺詐、騙貸、中介惡意包裝等作案成本。

3 結(jié)論與建議

隨著商業(yè)銀行數(shù)字化轉(zhuǎn)型的不斷推進(jìn)，單一的欺詐防范手段或者簡(jiǎn)單的“人防”模式，已經(jīng)難以防范層出不窮的欺詐手段，急需利用多方數(shù)據(jù)構(gòu)建多維度多層次的企業(yè)級(jí)反欺詐體系。未來(lái)商業(yè)銀行在進(jìn)行企業(yè)級(jí)欺詐體系設(shè)計(jì)的時(shí)候，應(yīng)該同步考慮以下幾個(gè)方面：

3.1 建立風(fēng)險(xiǎn)數(shù)據(jù)集市

商業(yè)銀行自身的數(shù)據(jù)多為客戶業(yè)務(wù)積累數(shù)據(jù)，能夠分析的維度有限，為了應(yīng)對(duì)越來(lái)越復(fù)雜的欺詐環(huán)境，商業(yè)銀行的反欺詐體系必須不斷擴(kuò)充數(shù)據(jù)資產(chǎn)。通過(guò)接入多維度數(shù)據(jù)，不斷積累歷史數(shù)據(jù)和欺詐標(biāo)簽，建立企業(yè)級(jí)的黑名單庫(kù)，為先進(jìn)技術(shù)或算法的應(yīng)用提供強(qiáng)大的數(shù)據(jù)支撐。一方面，可通過(guò)與同業(yè)、專業(yè)數(shù)據(jù)服務(wù)廠商合作，盡可能豐富客戶數(shù)據(jù)維度，特別是客戶行為相關(guān)數(shù)據(jù)及標(biāo)簽，多維度、多角度進(jìn)行交叉核驗(yàn)。例如：黑產(chǎn)設(shè)備、欺詐IP 地址、異常交易、多頭借貸、黃賭毒等相關(guān)信息。另一方面，可聯(lián)合外部第三方風(fēng)控能力較強(qiáng)服務(wù)機(jī)構(gòu)，通過(guò)隱私計(jì)算的方式，實(shí)現(xiàn)與外部第三方的數(shù)據(jù)共享與應(yīng)用，不斷豐富欺詐數(shù)據(jù)庫(kù)及標(biāo)簽體系。

3.2 信用風(fēng)險(xiǎn)與欺詐風(fēng)險(xiǎn)統(tǒng)籌考慮

在當(dāng)前零售信貸業(yè)務(wù)模式下，欺詐風(fēng)險(xiǎn)體系與信用風(fēng)險(xiǎn)體系不應(yīng)該被單獨(dú)考慮，而應(yīng)該統(tǒng)籌考慮。大數(shù)據(jù)風(fēng)控體系的核心是信用風(fēng)險(xiǎn)量化和欺詐風(fēng)險(xiǎn)量化體系兩個(gè)部分，采用“業(yè)務(wù)規(guī)則+評(píng)分模型+業(yè)務(wù)策略”的組合模式實(shí)現(xiàn)應(yīng)用?？商剿鹘⒔y(tǒng)一風(fēng)險(xiǎn)管控平臺(tái)，實(shí)現(xiàn)風(fēng)險(xiǎn)數(shù)據(jù)聯(lián)動(dòng)共享，實(shí)現(xiàn)業(yè)務(wù)系統(tǒng)、評(píng)分模型、反欺詐系統(tǒng)、預(yù)警系統(tǒng)、催收系統(tǒng)數(shù)據(jù)歸集與交互。標(biāo)準(zhǔn)化反欺詐模型分析評(píng)價(jià)指標(biāo)，實(shí)現(xiàn)監(jiān)控模型效果及穩(wěn)定性的自動(dòng)化、可視化監(jiān)控。建立零售風(fēng)控模型及規(guī)則版本配置化管理，從機(jī)構(gòu)、條線、產(chǎn)品、時(shí)間等不同維度實(shí)現(xiàn)對(duì)模型及規(guī)則的靈活配置，降低系統(tǒng)間交互成本。以企業(yè)級(jí)視野，統(tǒng)籌規(guī)劃設(shè)計(jì)風(fēng)險(xiǎn)管理體系系統(tǒng)支撐。