让欺诈风险无处遁形的计算机视觉

作者：丁一　中原银行数据银行部

近年来，伴随着移动互联网、虚拟现实等技术的飞速发展，银行服务模式日趋多样化。在客户享受灵活便捷服务的同时，银行欺诈风险呈现出更加隐蔽、专业的特点，发展出更多的作案手法和表现形式。依赖专家规则、黑名单库等方法的传统欺诈检测方法，已经不能解决新的欺诈挑战。银行亟需研究并应用先进的机器学习算法，以数据价值为驱动建立智能化的风险预测模型，以此作为欺诈风险防范的强力手段。

一、层出不穷的欺诈手段

伴随信息技术的快速发展，黑产欺诈和电信诈骗等日益猖獗，且呈现高发、多发态势，急需提升银行对交易的风险识别和防控能力，实现跨渠道、全天候、实时的交易监控。按攻击方式不同，欺诈风险可分4类：身份冒用、团伙欺诈、资料包装、不良用途，如下图１所示。

1. 身份冒用。通过撞库、黑市购买、钓鱼等不法手段获取客户的身份资料，并通过身份伪装骗过活体检测系统，实现盗刷、套现等的活动。

2. 团伙欺诈。有组织有预谋的针对银行或金融系统的漏洞做资源获取，通过大量的账号注册关联身份证信息，实现薅羊毛等欺诈目的。

3. 资料包装。获取客户的通话记录、网购信息等资料，通过不法手段做身份伪造和基本信息的设备更改，实现恶意骗贷等欺诈目的。

4. 不良用途。当客户沉迷某些博彩、赌博活动时，资金周转出现问题时，便会大量贷款弥补亏空，此时会有骗贷或恶意不还的欺诈问题。

</