CN113487319A - 一种实现***首笔反欺诈的***及方法 - Google Patents
一种实现***首笔反欺诈的***及方法 Download PDFInfo
- Publication number
- CN113487319A CN113487319A CN202110634405.0A CN202110634405A CN113487319A CN 113487319 A CN113487319 A CN 113487319A CN 202110634405 A CN202110634405 A CN 202110634405A CN 113487319 A CN113487319 A CN 113487319A
- Authority
- CN
- China
- Prior art keywords
- fraud
- transaction
- real
- time
- credit card
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000000903 blocking effect Effects 0.000 claims abstract description 36
- 238000013475 authorization Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 12
- 230000006399 behavior Effects 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000002265 prevention Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 210000001503 joint Anatomy 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 230000003631 expected effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种实现***首笔反欺诈的***及方法,所述方法包括:***核心***和实时风控应用***,***核心***包括报文处理、核心交易处理和交易授权,实时风控应用***包括专家规则引擎和人工智能实时反欺诈模型,报文处理用于接收到交易信息后,向实时风控应用***发送欺诈决策请求,实时风控应用***通过调用人工智能实时反欺诈模型获取欺诈评分和进行专家规则引擎运算得到欺诈决策结果,在毫秒内将欺诈决策结果写入***核心***的交易授权,交易授权用于在交易链路中实现毫秒级的反欺诈识别响应与阻断,有效提升***欺诈交易识别覆盖率,降低误报率,减少欺诈资金损失及误拦截交易笔数,从而提升客户体验,降低银行成本。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种实现***首笔反欺诈的***及方法
背景技术
实时交易欺诈风险一直以来都是银行业的重点防范风险之一,如何做到实时反欺诈,属于行业研究的重点。现有的基于PRM软件的***交易反欺诈***,通过专家规则识别***疑似欺诈交易后,对发生疑似欺诈交易的卡片进行风险标识,将卡片状态设置禁用实现对该卡片后续交易的拦截。经过十年以上的建设,PRM已沉淀超过500条的专家规则,形成了成熟的风险防控体系,然而受限于传统技术,存在以下缺点:
1、传统技术手段运算效率低,欺诈交易识别严重滞后,在欺诈交易完成数分钟后才能完成欺诈交易规则运算,无法做到欺诈交易的实时识别与拦截。
2、传统技术手段依赖于专家规则或简单模型,无法快速识别日益新增、快速变化的欺诈行为模式,仅能覆盖典型的欺诈行为,不能精确洞悉欺诈交易行为,欺诈识别覆盖率不高,导致欺诈损失巨大。
3、传统技术手段仅能通过对卡片止付进行交易拦截,无法实现交易级的阻断,导致卡片无法正常使用,客户体验差,容易导致客户投诉。
4、传统技术手段拦截准确率低,每年误拦截的交易数万笔,需要投入较多人力进行交易监控及调查,人工成本高,工作压力大。
发明内容
本发明目的在于,提供一种实现***首笔反欺诈的***及方法,以解决传统技术手段运算效率低,欺诈交易识别严重滞后,并且仅依赖于专家规则和简单模型,无法快速识别、无法实现交易级的阻断和拦截准确率低的问题。
为实现上述目的,本发明实施例提供一种实现***首笔反欺诈的***,包括:***核心***和实时风控应用***,所述***核心***与所述实时风控应用***直连;
所述***核心***接收到交易信息后向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***包括专家规则引擎和人工智能实时反欺诈模型,用于在接收到所述欺诈决策请求后,通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***;
所述***核心***在交易链路中实现毫秒级的反欺诈识别响应与阻断。
优选地,所述***核心***包括报文处理、核心交易处理和交易授权;
所述报文处理用于接收到交易信息,向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***接收到所述报文处理发送的欺诈决策请求后,所述实时风控应用***通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***的交易授权,所述交易授权用于在交易链路中实现毫秒级的反欺诈识别响应与阻断。
优选地,所述的一种实现***首笔反欺诈的***包括业务监控端;
所述业务监控端包括监控告警、交易确认以及确认欺诈;
所述交易授权,包括交易放行和交易阻断,所述交易授权用于读取所述欺诈决策结果,并根据所述欺诈决策结果进行所述交易放行或所述交易阻断,若读取不到所述欺诈决策结果,则交易进入休眠状态,最长休眠1秒;
所述***核心***读取所述欺诈决策结果为所述交易阻断后,所述业务监控端将进行所述监控告警,并第一时间对交易进行所述交易确认,若确认欺诈,则对所述交易进行确认打标,并自动作为所述人工智能实时反欺诈模型的增量学习样本,形成数据闭环,若确认正常交易,则临时将其加入白名单,并由客户重新发起交易。
优选地,所述的一种实现***首笔反欺诈的***,包括大数据分析平台;
所述大数据分析平台,整合了全行业全行全量客户海量交易交互行为数据,用于为实时交易反欺诈的模型训练与规则运算提供数据支撑,同时提供了强大的离线数据加工与实时计算能力。
优选地,所述实时风控应用***,引入实时流计算技术,构建针对时序指标计算的时序数据库,设计异步非阻塞接口,同时开展了数十次的特征平衡工作,建设可一个实时的决策引擎,实现毫秒级的欺诈决策。与此同时,与所述***核心***实现交易链路级别的对接,实现交易的直接阻断。
优选地,所述专家规则引擎,基于实时流计算技术,业务员可以进行专家规则的配置、调试以及试运行。
优选地,所述人工智能实时反欺诈模型的训练、运行需要机器学***台的技术架构,包括离线训练模块、实时预估模块和自学习模块。
在某一个实施例中,本发明还提供一种实现***首笔反欺诈的方法,接收所述交易信息,向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***包括专家规则引擎和人工智能实时反欺诈模型,用于在接收到所述欺诈决策请求后,通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***;
根据写入的所述欺诈决策结果,所述***核心***在交易链路中实现毫秒级的反欺诈识别响应与阻断。
优选地,所述***核心***包括报文处理、核心交易处理和交易授权;
所述报文处理用于接收到交易信息,向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***接收到所述报文处理发送的欺诈决策请求后,所述实时风控应用***通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***的交易授权,所述交易授权用于在交易链路中实现毫秒级的反欺诈识别响应与阻断。
优选地,所述实时风控应用***,引入实时流计算技术,构建针对时序指标计算的时序数据库,设计异步非阻塞接口,同时开展了数十次的特征平衡工作,建设可一个实时的决策引擎,实现毫秒级的欺诈决策。与此同时,与所述***核心***实现交易链路级别的对接,实现交易的直接阻断。
本发明实施例提供的技术方案优点在于,引入人工智能技术,基于全量客户的海量交易交互行为数据,构建了千万维度的客户行为特征,训练了更准、更快、更智能、具备自学***台整合了全行全量客户海量交易交互行为数据,加工了近2000个客户标签,精确掌握每个客户的交易行为模式及***台超过100台的服务器,提供了强大的离线数据加工与实时计算能力。最后引入实时流计算技术,构建针对时序指标计算的时序数据库,设计异步非阻塞接口,同时开展了数十次的特征平衡工作,建设可一个实时的决策引擎,实现毫秒级的欺诈决策。与此同时,与***核心***实现交易链路级别的对接,实现交易的直接阻断。有效提升***欺诈交易识别覆盖率,降低误报率,减少欺诈资金损失及误拦截交易笔数,从而提升客户体验,降低银行成本。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的一种实现***首笔反欺诈的***的流程示意图;
图2是本发明另一实施例提供的一种实现***首笔反欺诈的***的交易报文至决策结果的流程示意图;
图3是本发明又一实施例提供的一种实现***首笔反欺诈的***的整体技术架构流程图;
图4是本发明某一实施例提供的一种实现***首笔反欺诈的***的数据处理流程图;
图5是本发明另一实施例提供的专家规则引擎的技术架构示意图;
图6是本发明又一实施例提供的机器学习平台的技术架构示意图;
图7是本发明某一实施例提供的实时交易反欺诈应用示意图;
图8是本发明某一实施例提供的业绩成效曲线图;
图9是本发明某一实施例提供的一种实现***首笔反欺诈的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,本发明实施例提供一种实现***首笔反欺诈的***,包括:***核心***和实时风控应用***,***核心***与实时风控应用***直连,在交易链路中实现毫秒级的反欺诈识别响应与阻断。***核心***接收到交易信息后向实时风控应用***发送欺诈决策请求,实时风控应用***包括专家规则引擎和人工智能实时反欺诈模型,用于在接收到欺诈决策请求后,通过调用人工智能实时反欺诈模型获取欺诈评分和进行专家规则引擎运算得到欺诈决策结果,在毫秒内将欺诈决策结果写入***核心***。
参照图2,专家规则引擎与人工智能实时反欺诈模型(欺诈评分)相结合确定了三大原则:
1)欺诈评分高分段准确度高、但是覆盖率底,可直接作为高风险欺诈识别的规则。
2)准确度高的业务专家规则可直接基于专家规则引擎进行欺诈交易识别。
3)其他专家规则需与欺诈评分进行结合,以提高欺诈交易拦截的准确度及覆盖率,即在原有专家规则的基础上增加一个欺诈评分的条件。通过大量的评估试算工作确定专家规则引擎与欺诈评分的结合配对结合形式,以得到决策结果。
在本实施例中,专家规则引擎与人工智能实时反欺诈模型的结合的模式,基于大数据、人工智能等先进技术,探索并制定基于大数据及人工智能技术的***实时交易首笔反欺诈解决方案,有效提升***欺诈交易识别覆盖率,降低误报率,减少欺诈资金损失及误拦截交易笔数,从而提升客户体验,降低银行成本。
参照图3和图4,本发明又一实施例提供一种实现***首笔反欺诈的***,整体的技术架构中包含三大***:***核心***、实时风控应用以及大数据平台。
***核心***主要接收交易请求,完成交易报文处理、账务处理,并根据欺诈决策结果对交易进行放行或者阻断,其中,***核心***包括交易放行和交易阻断,实时风控应用完成实时交易的欺诈决策,主要包含专家规则引擎以及人工智能实时反欺诈模型两个模块,而大数据分析平台提供了海量的数据及强大的计算能力。具体的数据流向:当客户发起一笔Visa、Master渠道的交易后,***核心***接收到交易请求后,在报文的处理环节直接调用实时风控应用的欺诈决策请求,同时并行进行交易的其他业务处理。
实时风控应用接收到欺诈决策请求后,一方面调用人工智能实时反欺诈模型获取欺诈评分,另一方面完成专家规则运算,在毫秒内将决策结果写入***核心***的欺诈决策结果档。
***核心***在交易授权环节,将读取欺诈决策结果档并进行结果决定对交易进行放行或者阻断,如果读取不到结果,则交易进入休眠状态,最长休眠1秒。当实时风控应用将结果写入欺诈决策结果档后,将实时唤醒交易,并完成后续的授权环节。***核心***对交易进行阻断后,业务监控端将进行实时告警,业务监控人员将第一时间对交易进行确认,如果确认欺诈,则对交易进行确认打标,并自动作为后续人工智能实时反欺诈模型的增量学习样本,形成数据闭环;如果为正常交易,则临时将其加入白名单,并由客户重新发起交易。
***核心***与实时风控应用***直连,在当前交易过程中直接抛出决策请求及写入决策结果,减少中间环节的时间开销。交易完成后,***核心授权后的实时流水,会通过旁边监听的方式异步下行给实时风控应用***,用于进行事后流水的统计。
参照图5,基于实时流计算技术,构建了毫秒级的专家规则引擎,业务人员可以自助进行专家规则的配置、调试以及试运行。专家规则引擎的技术架构包括数据源、前置服务、数据处理模块、数据缓存、数据持久化和应用服务模块,具体的:
数据源:通过***核心***下行接口获取授权前交易数据,通过APM抓取卡核心下行PRM接口中的授权后交易数据。
前置服务:***核心***将授权前的交易数据通过TCP长连接发送到实时风控应用前置的NettyClient通信服务;APM将授权后交易数据下发到Kafka队列中。
数据处理模块:实时风控决策拓扑启动时,在Zookeeper中注册实时风控决策服务地址。NettyClient通信服务从Zookeeper获取实时决策服务地址,并将转码后的数据通过HTTP协议调用实时决策服务(获取响应后将决策上行卡核心),同时保存连接在连接池中供下次调用。实时决策服务实时计算风控决策,并将结果返回NettyClient通信服务,后续处理下发到数据存储节点完成(决策结果、交易数据保存)。通过Storm集群统计拓扑消费在Kafka队列中的授权后交易数据,实时计算统计指标并写入Redis集群,后续处理交换数据存储节点完成。
数据缓存:使用Redis集群缓存字段、规则、统计指标以及卡户人等数据。
数据持久化:使用ElasticSearch存储交易记录以及决策结果数据。
应用服务:管理平台配置规则并将规则持久化到MySQL中,以及将规则同步到Redis中,操作平台消费决策服务发送的交易数据,结合决策结果发送提醒短信。
参照图6,实时反欺诈模型的训练、运行需要机器学***台的技术架构,包含了离线训练模块、自学习模块以及实时预估模块。其中,离线训练模块用于覆盖从业务数据处理到机器学习模型建模的全过程。支持大规模分布式数据的复杂计算与处理,特征的定义与生成,多种业界主流算法,模型的效果评估,以及模型的管理与发布等功能。实时预估模块用于实时预估模块提供模型的实时预估服务。已完成训练的模型可发布为实时预估服务,实时响应反欺诈决策请求。自学习模块基于持续产生的业务增量数据,模型自学习模块可以以天、小时甚至分钟级别进行自我学习、迭代与服务更新,确保业务效果的持续与稳定。
参照图7,基于人工智能技术的实时交易反欺诈,是技术引领业务、技术与业务深度融合的结晶。需要建立在对客户的全面洞察,以及对全行客户欺诈交易行为模式及规律的深入了解上,离不开对客户行为的深入洞察,离不开对客户全量交易行为的分析,离不开业务专家经验的输入,更离不开大数据分析平台对海量数据的强大处理能力。大数据平台沉淀的海量数据及完整客户画像、业务长达二十年积累的专家经验提供了坚实的基础。
参照图8,在本实施例中,一种实现***首笔反欺诈的***的业绩成效:
1)真正实反欺诈决策性能整体达到预期成效现毫秒级交易阻断,***实时交易首笔反欺诈决策引擎投产后,反欺诈决策性能整体达到预期成效,新增风控后对整体***交易时长影响微弱。
2)欺诈交易识别误报率降低,专家规则引擎与反欺诈模型的结合,在专家经验的基础上,增加欺诈评分的判断条件,可有效提升欺诈交易识别误报率。投产部署了11个专家规则引擎,为了验证专家规则引擎与反欺诈模型的结合效果,同时部署了两个纯专家规则引擎。欺诈交易识别数量基本保持不变的情况下,报警量大幅降低,欺诈识别误报率降低67.14%。
3)减少欺诈交易损失,11个专家规则较PRM规则,实现交易中阻断,共新增拦截首笔欺诈交易11笔。
4)减少人力投入成效,提升客户体验,由于欺诈识别准确度的提升,每年可减少对近万笔交易的误拦截,节省确认电话近万通,减少对数千名客户的骚扰,避免客户投诉,并且减少人力投入。
对比现有技术受限于传统技术架构,现有***欺诈交易识别滞后数分钟,覆盖率仅60%且误报率居高不下,很难进一步减少欺诈交易损失,银行需要投入很高的人力成本进行欺诈防控,只能做到事后防控,无法做到交易中阻断,效果不佳。本实施例的游戏效果在于,引入人工智能技术,基于全量客户的海量交易交互行为数据,构建了千万维度的客户行为特征,训练了更准、更快、更智能、具备自学***台整合了全行全量客户海量交易交互行为数据,加工了近2000个客户标签,精确掌握每个客户的交易行为模式及***台超过100台的服务器,提供了强大的离线数据加工与实时计算能力。最后引入实时流计算技术,构建针对时序指标计算的时序数据库,设计异步非阻塞接口,同时开展了数十次的特征平衡工作,建设可一个实时的决策引擎,实现毫秒级的欺诈决策。与此同时,与***核心***实现交易链路级别的对接,实现交易的直接阻断。有效提升***欺诈交易识别覆盖率,降低误报率,减少欺诈资金损失及误拦截交易笔数,从而提升客户体验,降低银行成本。
请参阅图9,本发明一个实施例提供一种一种实现***首笔反欺诈的方法,包括:
S101、接收所述交易信息,向所述实时风控应用***发送欺诈决策请求,具体的,***核心***接收到交易信息后向实时风控应用***发送欺诈决策请求。
S102、所述实时风控应用***包括专家规则引擎和人工智能实时反欺诈模型,用于在接收到所述欺诈决策请求后,通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***。
根据接收到的欺诈决策请求,实时风控应用***通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,将欺诈决策结果发送到***核心***的交易授权环节,交易授权包括交易放行和交易阻断,若***核心***对交易进行阻断,业务监控端将进行实时告警,业务监控人员将第一时间对交易进行确认,如果确认欺诈,则对交易进行确认打标,并自动作为后续人工智能实时反欺诈模型的增量学习样本,形成数据闭环;如果为正常交易,则临时将其加入白名单,并由客户重新发起交易。
S103、根据写入的所述欺诈决策结果,所述***核心***在交易链路中实现毫秒级的反欺诈识别响应与阻断。
***核心***与实时风控应用***直连,在当前交易过程中直接抛出决策请求及写入决策结果,减少中间环节的时间开销。交易完成后,***核心授权后的实时流水,会通过旁边监听的方式异步下行给实时风控,用于进行事后流水的统计。
在本实施例中,引入人工智能技术,基于全量客户的海量交易交互行为数据,构建了千万维度的客户行为特征,训练了更准、更快、更智能、具备自学***台整合了全行全量客户海量交易交互行为数据,加工了近2000个客户标签,精确掌握每个客户的交易行为模式及***台超过100台的服务器,提供了强大的离线数据加工与实时计算能力。最后引入实时流计算技术,构建针对时序指标计算的时序数据库,设计异步非阻塞接口,同时开展了数十次的特征平衡工作,建设可一个实时的决策引擎,实现毫秒级的欺诈决策。与此同时,与***核心***实现交易链路级别的对接,实现交易的直接阻断。有效提升***欺诈交易识别覆盖率,降低误报率,减少欺诈资金损失及误拦截交易笔数,从而提升客户体验,降低银行成本。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种实现***首笔反欺诈的***,其特征在于,包括:***核心***和实时风控应用***,所述***核心***与所述实时风控应用***直连;
所述***核心***接收到交易信息后向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***包括专家规则引擎和人工智能实时反欺诈模型,用于在接收到所述欺诈决策请求后,通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***;
所述***核心***在交易链路中实现毫秒级的反欺诈识别响应与阻断。
2.根据权利要求1所述的一种实现***首笔反欺诈的***,其特征在于,所述***核心***包括报文处理、核心交易处理和交易授权;
所述报文处理用于接收到交易信息,向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***接收到所述报文处理发送的欺诈决策请求后,所述实时风控应用***通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***的交易授权,所述交易授权用于在交易链路中实现毫秒级的反欺诈识别响应与阻断。
3.根据权利要求1所述的一种实现***首笔反欺诈的***,其特征在于,包括业务监控端;
所述业务监控端包括监控告警、交易确认以及确认欺诈;
所述交易授权,包括交易放行和交易阻断,所述交易授权用于读取所述欺诈决策结果,并根据所述欺诈决策结果进行所述交易放行或所述交易阻断,若读取不到所述欺诈决策结果,则交易进入休眠状态,最长休眠1秒;
所述***核心***读取所述欺诈决策结果为所述交易阻断后,所述业务监控端将进行所述监控告警,并第一时间对交易进行所述交易确认,若确认欺诈,则对所述交易进行确认打标,并自动作为所述人工智能实时反欺诈模型的增量学习样本,形成数据闭环,若确认正常交易,则临时将其加入白名单,并由客户重新发起交易。
4.根据权利要求1所述的一种实现***首笔反欺诈的***,其特征在于,包括大数据分析平台;
所述大数据分析平台,整合了全行业全行全量客户海量交易交互行为数据,用于为实时交易反欺诈的模型训练与规则运算提供数据支撑,同时提供了强大的离线数据加工与实时计算能力。
5.根据权利要求4所述的一种实现***首笔反欺诈的***,其特征在于,所述实时风控应用***,引入实时流计算技术,构建针对时序指标计算的时序数据库,设计异步非阻塞接口,同时开展了数十次的特征平衡工作,建设可一个实时的决策引擎,实现毫秒级的欺诈决策。与此同时,与所述***核心***实现交易链路级别的对接,实现交易的直接阻断。
6.根据权利要求5所述的一种实现***首笔反欺诈的***,其特征在于,所述专家规则引擎,基于实时流计算技术,业务员可以进行专家规则的配置、调试以及试运行。
7.根据权利要求6所述的一种实现***首笔反欺诈的***,其特征在于,所述人工智能实时反欺诈模型的训练、运行需要机器学***台的技术架构,包括离线训练模块、实时预估模块和自学习模块。
8.一种实现***首笔反欺诈的方法,其特征在于,
接收所述交易信息,向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***包括专家规则引擎和人工智能实时反欺诈模型,用于在接收到所述欺诈决策请求后,通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***;
根据写入的所述欺诈决策结果,所述***核心***在交易链路中实现毫秒级的反欺诈识别响应与阻断。
9.根据权利要求8所述的一种实现***首笔反欺诈的方法,其特征在于,
所述***核心***包括报文处理、核心交易处理和交易授权;
所述报文处理用于接收到交易信息,向所述实时风控应用***发送欺诈决策请求;
所述实时风控应用***接收到所述报文处理发送的欺诈决策请求后,所述实时风控应用***通过调用所述人工智能实时反欺诈模型获取欺诈评分和进行所述专家规则引擎运算得到欺诈决策结果,在毫秒内将所述欺诈决策结果写入所述***核心***的交易授权,所述交易授权用于在交易链路中实现毫秒级的反欺诈识别响应与阻断。
10.根据权利要求9所述的一种实现***首笔反欺诈的方法,其特征在于,所述实时风控应用***,引入实时流计算技术,构建针对时序指标计算的时序数据库,设计异步非阻塞接口,同时开展了数十次的特征平衡工作,建设可一个实时的决策引擎,实现毫秒级的欺诈决策。与此同时,与所述***核心***实现交易链路级别的对接,实现交易的直接阻断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110634405.0A CN113487319A (zh) | 2021-06-07 | 2021-06-07 | 一种实现***首笔反欺诈的***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110634405.0A CN113487319A (zh) | 2021-06-07 | 2021-06-07 | 一种实现***首笔反欺诈的***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487319A true CN113487319A (zh) | 2021-10-08 |
Family
ID=77934435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110634405.0A Pending CN113487319A (zh) | 2021-06-07 | 2021-06-07 | 一种实现***首笔反欺诈的***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487319A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8554631B1 (en) * | 2010-07-02 | 2013-10-08 | Jpmorgan Chase Bank, N.A. | Method and system for determining point of sale authorization |
CN110148001A (zh) * | 2019-04-29 | 2019-08-20 | 上海欣方智能***有限公司 | 一种实现欺诈交易智能预警的***及方法 |
CN110378699A (zh) * | 2019-07-25 | 2019-10-25 | 中国工商银行股份有限公司 | 一种交易反欺诈方法、装置及*** |
CN110458576A (zh) * | 2019-07-31 | 2019-11-15 | 同济大学 | 一种融合事前预测和事中检测的网络交易反欺诈方法 |
CN112365341A (zh) * | 2020-11-26 | 2021-02-12 | 四川享宇金信金融科技有限公司 | 信贷机构反欺诈方法、装置、设备和存储介质 |
-
2021
- 2021-06-07 CN CN202110634405.0A patent/CN113487319A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8554631B1 (en) * | 2010-07-02 | 2013-10-08 | Jpmorgan Chase Bank, N.A. | Method and system for determining point of sale authorization |
CN110148001A (zh) * | 2019-04-29 | 2019-08-20 | 上海欣方智能***有限公司 | 一种实现欺诈交易智能预警的***及方法 |
CN110378699A (zh) * | 2019-07-25 | 2019-10-25 | 中国工商银行股份有限公司 | 一种交易反欺诈方法、装置及*** |
CN110458576A (zh) * | 2019-07-31 | 2019-11-15 | 同济大学 | 一种融合事前预测和事中检测的网络交易反欺诈方法 |
CN112365341A (zh) * | 2020-11-26 | 2021-02-12 | 四川享宇金信金融科技有限公司 | 信贷机构反欺诈方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492173A (zh) | 一种基于双模网络图挖掘算法的***反欺诈预测方法 | |
CN107644340A (zh) | 风险识别方法、客户端设备及风险识别*** | |
CN102623009B (zh) | 一种基于短时分析的异常情绪自动检测和提取方法和*** | |
CN109615511A (zh) | 一种供应链金融软件***和方法 | |
CN109919624A (zh) | 一种基于时空集中性的网贷欺诈团伙识别与预警方法 | |
CN103714479A (zh) | 银行个人业务欺诈行为实时智能化集中监控的方法和*** | |
CN106022708A (zh) | 一种预测员工离职的方法 | |
CN105976242A (zh) | 一种基于实时流数据分析的交易欺诈检测方法及*** | |
CN109242673A (zh) | 鹰眼反欺诈大数据风控评估*** | |
CN110248322A (zh) | 一种基于诈骗短信的诈骗团伙识别***及识别方法 | |
CN110189134A (zh) | 基于疑似欺诈交易参照序位的网络支付反欺诈***架构设计方法 | |
CN109767227A (zh) | 通过rds实现支付风险智能判断和控制的***及方法 | |
CN105405221A (zh) | 一种自动化测试的方法及装置 | |
CN113256326A (zh) | 一种基于深度学习实现商超大屏点位人流量预测的方法 | |
CN106530074A (zh) | 大金额出账控制方法、***以及头寸管理信息*** | |
CN106296315A (zh) | 基于用户用电数据的情境感知*** | |
CN109840704A (zh) | 一种智慧***管理*** | |
CN110070350A (zh) | 一种支付业务结算处理方法及*** | |
CN104156442B (zh) | 累计数据应用方法 | |
CN109685519A (zh) | 一种面向多租户服务一体化监控的方法及所用*** | |
CN108683658A (zh) | 基于多rbm网络构建基准模型的工控网络流量异常识别方法 | |
CN116934270A (zh) | 一种基于数据分析的图书馆书籍借调管理*** | |
CN114140123A (zh) | 一种用于以太坊二层网络交易溯源的方法及*** | |
CN110163517A (zh) | 一种基于g-限量服务休假规则的区块链***建模方法 | |
CN114049190A (zh) | 基于交易行为特征提取的金融欺诈风险评估与解决方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |