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。
-
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。
-
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。
-
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。
-
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。
</