欢迎访问大数据&AI生态共享平台
当前位置: 首页 > 解决方案 > 金融 > 正文

金融业务实时反欺诈监控解决方案

2018-04-12 作者:管理员【收藏】

  • 所属分类:电信、金融、医疗、电子商务、其他

应用背景及需求:

随着传统金融互联网化和互联网金融快速发展,补贴、红包、互联网借贷、信用卡返现等花式获客拉新,催生欺诈分子并形成黑色产业链。据不完全统计,个互联网平台虚假交易产业链从业及参与人员至少200万,涉及流动资金1000亿元以上。

《“打击网络欺诈 确保消费安全”分析报告》显示,15年10月-16年2月共收到网络欺诈、电信诈骗举报85173万条,月均收到举报21293条。目前互联网公司面临的风险主要分为:本人伪造欺诈、本人欺诈、团队/中介欺诈、盗号、盗卡、盗刷等风险。其中互金公司还面临逾期风险。

电子银行面临的主要风险为:

1)虚假类风险:

欺诈者通过互联网手机接码平台获取到手机验证码,接着通过社工库获取到新增的身份证及批量注册的邮箱,均可以在注册端的任何渠道获得注册成功。

2)薅羊毛风险:

欺诈者利用互联网信息及第三方平台,破解注册端的各类注册条件,进行快速、批量的注册,从而获得平台的营销奖励。

3)盗卡/盗账户风险:

部分电子银行业务包括手机银行允许通过快捷支付的方式绑定本行或者他行银行卡进行理财、消费等,则存在银行卡被盗用或者银行账户被盗用的风险。欺诈者通过社工及社工库的信息,在结合手机卡异常补办、开卡时预留欺诈者手机、手机丢失二手手机等方式获取校验码信息通过手机银行等方式窃取用户银行卡内资金

信用卡面临的主要风险为:

1)本人欺诈风险:

恶意办理信贷业务申请人存在着逾期不还的信用风险,给企业或者平台内的投资人带来资金损失,给平台带来巨大的声誉影响。

2)伪造欺诈风险:

贷款申请人通过伪造本人身份、账单财力等信息,绕过信贷公司监控策略,误导授信策略的判断,或是窃取他人身份信息、银行信息等,假冒他人在信贷平台内办理相关贷款业务,骗取信贷资金,给平台造成资金损失。

3)伪造欺诈风险:

贷款申请人通过伪造本人身份、账单财力等信息,绕过信贷公司监控策略,误导授信策略的判断,或是窃取他人身份信息、银行信息等,假冒他人在信贷平台内办理相关贷款业务,骗取信贷资金,给平台造成资金损失。

 4)团队/中介欺诈风险:

中介团队利用相关资源及对信贷平台授信业务的了解,对劣质客户进行包装,把低质量客户包装成高质量客户,绕过平台的授信策略,骗取大额信贷资金,给平台造成资金损失。

电商面临的主要风险为:

1)支付通道风险:

电商平台在支付方式多样化,易造成账户被盗后,通过电商平台完成消费支付,形成盗卡、盗账户销赃渠道分摊,对电商平台造成较大的声誉影响。

信贷业务面临的主要风险为:

1)逾期风险:

由于申请人到期无还款意愿或还款能力造成的。申请人到期不能正常还款,造成借出方本金和利息的全部或部分损失,平台方承担部分或全部连带责任,给平台及其客户造成资金损失。

2)伪造欺诈风险:

贷款申请人通过伪造本人身份、账单财力等信息,绕过信贷公司监控策略,误导授信策略的判断,或是窃取他人身份信息、银行信息等,假冒他人在信贷平台内办理相关贷款业务,骗取信贷资金,给平台造成资金损失。

3)团队/中介欺诈风险:

中介团队利用相关资源及对信贷平台授信业务的了解,对劣质客户进行包装,把低质量客户包装成高质量客户,绕过平台的授信策略,骗取大额信贷资金,给平台造成资金损失。

系统架构:

 金融业务实时反欺诈监控解决方案主要包括以下组件:


实时规则引擎


数据预处理引擎


规则管理平台


动态安全策略


后台管理平台


数据接入装载模块

采用的关键技术及产品组合:

 1、邦盛数据流立方系统软件,V1.0,用于极细粒度大数据实时分析,其全增量分析的设计理念能够将实时数据分析的时效性降低到毫秒级,并提供超高吞吐量的分析性能。这些特性将不同通道的数据进行实时汇总分析,并针对多种场景进行即时建模,从而大大缩短响应时间, 实时做出更好的决策。是本套解决方案的底层平台技术。

2、数据服务,包括了风险号码识别、IP风险识别、归属地解析库、位置信息服务、多头借贷及信贷黑名单、地址模糊匹配、实名认证等校验服务(使用了代理IP识别等技术)。本地和saas模式,既保障用户数据安全,防范欺诈风险和信用风险。

3、邦盛反欺诈机器学习系统软件V2.0,有集成各类机器学习算法的模型系统,支持一站式部署到生产环境中,拥有实时监控、预测优势,可在模型上线后自学习、自调整,提高系统的侦测速度与精确度,延长系统的使用 寿命。

4、邦盛设备指纹系统,V1.0,在网站或移动端嵌入设备指纹脚本,收集操作设备的多重信息,每个设备生成一段设备识别码,结合风控系统精确分析一个设备上的所有操作行为,及时发现不同用户之间存在的关联信息,识别风险。

5、邦睿网络机器防御系统,V1.0,识别网络机器人并制止抓爬行为,保障用户信息、票务、港务等信息类安全,减少占座、信息倒卖、不正当竞争等现象,减少因抓爬行为产生的暴力流量

6、规则引擎,V1.0,将业务决策从应用程序代码中分离出来,并使用预定义的语义模块编写业务决策。接受数据输入,解释业务规则,并根据业务规则做出业务决策。

7、邦盛金融信息反洗钱系统软件FRMCS,V1.0,满足监管机构反洗钱需求,减少人工上报的工作量,减少欺诈事件。

以上各组件可构建不同场景化解决方案,综合称“金融业务实时反欺诈监控解决方案”。场景化事中实时解决方案有:电商、电子银行、直销银行、线上支付、航旅、互联网保险/证券、市民卡、线上收单、消费金融、政务等。

部署运维方案:

  硬件环境:采用pc server,此套方案运行不依赖于功能强大的服务器,2台(4核、64GB)即可部署整套方案。6台PC服务器即可解决全国性大型金融机构所遇到的反欺诈问题。

 软件环境

操作系统

Linux

JDK

1.7+

数据库

MySQL、Oracle、DB2均可


应用规模及效果案例:

效果案例1-银联商务:
       银联商务作为国内最大的线下第三方支付公司,有着巨大的商户数量和海量的交易数据。
在投标银联商务时,四家公司,两个国外知名软件产品企业,一个国内上市企业,每家给两台机器、两亿条交易流水、相同的复杂处理逻辑大家pk性能。结果邦盛遥遥领先,比第二名还要快几倍,有两家没跑出结果或者没实现复杂规则的要求。
       自2015年4月开始,银联商务应用邦盛金融业务实时反欺诈监控解决方案,突破原风险监控T+1预警方式,实现交易后数秒即完成风险侦测、派发案例、短信提醒以及结算资金暂缓、后续交易等一系列控制措施。上线至今,邦盛实时风险监控系统已覆盖银联商务T+0业务、预授权业务、外卡业务、C端支付业务、无卡无密等业务类型。

效果案例2-平安银行:
       平安银行信用卡核心系统曾采购了国外所有产品,但仍旧不能解决其在信用卡和直销银行交易环节中出现的实时风险监控问题。原系统数据处理平台的架构较为落后,依赖于传统的数据库技术,在性能上存在较大的瓶颈,迫切需要一套强大的大数据处理平台。在此种情况下,平安在国内寻求服务商,邦盛以实力胜出,直接替换原有国外系统,为其解决了数据计算的性能瓶颈、时效性及指标复杂度的问题。

解决方案描述:

 1,邦盛数据流立方系统软件,V1.0,用于极细粒度大数据实时分析,其全增量分析的设计理念能够将实时数据分析的时效性降低到毫秒级,并提供超高吞吐量的分析性能。这些将不同通道的数据进行实时汇总分析,并针对多种场景进行即时建模,从而大大缩短响应时间, 实时做出更好的决策。是本套解决方案的底层平台技术。

 2,数据服务,包括了风险号码识别、IP风险识别、归属地解析库、位置信息服务、多头借贷及信贷黑名单、地址模糊匹配、实名认证等校验服务(使用了代理IP识别等技术)。本地和saas模式,既保障用户数据安全,防范欺诈风险和信用风险。

 3,邦盛反欺诈机器学习系统软件V2.0,有集成各类机器学习算法的模型系统,支持一站式部署到生产环境中,拥有实时监控、预测优势,可在模型上线后自学习、自调整,提高系统的侦测速度与精确度,延长系统的使用 寿命。

 4,邦盛设备指纹系统,V1.0,在网站或移动端嵌入设备指纹脚本,收集操作设备的多重信息,每个设备生成一段设备识别码,结合风控系统精确分析一个设备上的所有操作行为,及时发现不同用户之间存在的关联信息,识别风险。

 5,邦睿网络机器防御系统,V1.0,识别网络机器人并制止抓爬行为,保障用户信息、票务、港务等信息类安全,减少占座、信息倒卖、不正当竞争等现象,减少因抓爬行为产生的暴力流量

 6,规则引擎,V1.0,将业务决策从应用程序代码中分离出来,并使用预定义的语义模块编写业务决策。接受数据输入,解释业务规则,并根据业务规则做出业务决策。

 7,邦盛金融信息反洗钱系统软件FRMCS,V1.0,满足监管机构反洗钱需求,减少人工上报的工作量,减少欺诈事件。

  以上各组件可构建不同场景化解决方案,综合称“金融业务实时反欺诈监控解决方案”。场景化事中实时解决方案有:电商、电子银行、直销银行、线上支付、航旅、互联网保险/证券、市民卡、线上收单、消费金融、政务等。


企业信息:

       杭州邦盛金融是一家为金融机构提供一站式金融风险监控解决方案的提供商。按照CEO王新宇的话说,就是为中大型金融客户提供一个包含技术、平台、数据、模型和系统5大要素完整的反欺诈体系。谈体系的公司,要么学院派,要么行业巨头。邦盛金融恰好兼而有之。邦盛金融成立于2010年,发起人是浙江大学的陈纯院士、王新宇博士,创始团队还是上市公司浙大网新的创始团队。邦盛金融创立时看中了实时数据分析是金融行业的必然需求,浙大网新与美国道富银行有超过十年的合作经验。邦盛金融CEO王新宇在攻读博士期间,就已负责与道富银行相关的算法交易、外汇交易、实时风控等金融系统研发,当时遇到的最大问题是如何满足交易环节的数据实时处理需求。邦盛成立之初,当时流行的数据分析系统一般次日或者几十分钟才能出结果,主要用于辅助决策方面。邦盛为了将分析时间提高到毫秒级,整整花了4年时间,分析效率比传统技术提高了数万倍。邦盛金融的初始团队,如COO、CTO和产品总监,绝大多数来自于浙江大学和美国道富银行;后来又吸收来自IBM、蚂蚁金服、阿里巴巴、绿盟科技、浙大网新等知名公司的优秀人才。目前除了杭州总部,已在北京、上海、深圳设立了分公司与研发服务中心。2010年邦盛金融拿到天使投资后,经历了两轮融资。2015年6月,绿盟科技以2200万购入邦盛11.56%的股权,投后估值1.9亿。此时,邦盛金融的研发时间已超过5年,市场化运作不过半年。绿盟入股后的邦盛金融进入快速增长期,在2016年7月新一轮融资中,君联资本领头,达晨创投等跟投的邦盛估值已达6亿。2010-2014整整四年时间,邦盛金融一心投入底层核心技术研发,并未到市场上去接应用系统订单。资本市场自然不喜这样的节奏,但结果证明,这个技术壁垒邦盛金融垒的足够高。


产品
解决方案
案例