用大数据思维构建支付风险防控体系
ＦＲＯＮＴＩＥＲＴＨＥＯＲＹ 用大数据思维构建支付风险防控体系 文 丨陈耕 陈 耕 当前，数字化浪潮下的 电信网络 诈骗日益猖獗 ，给银行业金融机构支 付风险 防控带来严峻挑战。金融业作 为典型的数据密集型产业，要积极建 立大数据应用思维，构建支付风险纵 深防控体系。 大 数据思维构建支付风险 防控体系的必要性 当前， 电信网络诈骗总体呈现出 场景化 、 多样化 、技术化、产业化、 集团化 、跨国化的特征 ，严重危害人 民财产安全。电信网络诈骗往往利用 人性弱点作为切入点，设计各 种场景 将诈骗犯罪行为包装得极为隐蔽 、更 具诱惑性。云计算 、大数据等新兴技 术的 发展 在推动金融行业转型升级的 同时 ，也进一步助推了点对点的 “ 精 准诈骗＇从上游非法获取公民个人信 息，中游实施诈骗，到下游洗钱 、销赃， 已经形成 一条完整 的分工协作黑色产 业链，诈骗也加 速蔓延并呈现出组织 化 、集团化等趋势。 新的支付风险形势对防控体系的 时效性、防控范围 、防御手段提出了 新的要求。在 时效性上 ，要由事后向 准实时 、实时方向发展，在提升风险 防控效率的同时优化用 户体验；在防 控范围上，要通过打破数据壁垒 、 多 业务数据共享与联防联控，实现从单 一业务 风控逐步向全渠道中央风控转 变；在防控手段上，要由从专家规则 向模型转变， 通过机器学习 ，持续优 化模型，提升风险识别能力。基于海 量数据的大数据分析能够为支付风险 防控提供更强的决策支持， 是风控体 系发展的必由之路。 《中国人民银行办 公厅关于强化银行卡磁条交易安全管 理的通知》（银办发〔２０１７〕 １２０号） 也明确提出 ，各商业银行要建立基于 大数据技术的风险防控机制。 支付风险防控体系的 “ 前 中后 ” 充分利用大数据 、云计算、机器 学习技术，打造全数据 、 自动化、高 时效的支付风险防控体系是商业银行 的必然选择。这就要求商业银行在基 于精准高效模型的判断的基础上 ，前 移监控关口 ， 逐步建立事前、事中、 事后三位 一体的全流程风 险防控模式。 加强反欺诈的事前侦测。 一方面 ， 加强风险数据库建设，涵盖各政府职 能部门 、国内外银行同业、国际反欺 诈组织等各类风险信息，并与银行相 关业务系统进行对接，实现在业务办 理过程中 的实时预警筛查。如建立电 信诈骗 收 款账号实时数据库，有效管 控涉案账户及同名账户 ，斩断犯罪分 子收款渠道；建立账户信息泄露信息 库 ， 多渠道获取账户信息泄露事件信 息，通过匹配伪卡欺诈的历史交易 ， 寻找共同交易点，分析其他存在信息 泄露的账户 ，并及 时处置存在信息泄 露的账户 。 另 一方面 ，通过大数据分析进行 三维多主体的风险刻画 ，从不同维度 全 面展示风险特征并进行欺诈关系图 ２０１７１３３ DOI :牨 牥 牨 牴 牪 牴 牬 牤 j cnki cn牨 牨 牠 牬 牱 牴 牴 牤 f 牪 牥 牨 牱 牥 牴 牥 牭 牱 Ｆ 前沿新论 ＲＯＮＴＩＥＲＴＨＥＯＲＹ 谱的分析 ，从源头上进行阻绝。通过 分析复杂关系网络和绘制欺诈关系图 谱，识别潜在的诈骗行为 ，进而引导 反欺诈人员深入调查并提前采取相关 的应对策略，如将相应诈骗人员账号 设为黑名单， 向国家相关权威部门上 报欺诈用户相关信息 ， 实现电信网络 诈骗的联防联控。 构建高效的事中监控机制。通过 与 各主要业务系统的集成贯通，将风 险管控要求嵌入各个业务环节的运转 流程，在不影响业务效率的情况下 ， 对支付风险进行全周 期 管理，实现交 易事中的实时预警 、精准打击 ，并形 成 “监 测 － 触发 － 识别 － 评估 － 报告 ＿ 处置 － 反馈 － 改进 ” 闭环管理流程。 首 先，有效整合各 渠道信息 ，通 过对客户交易数据的挖掘分析 ，积累 客户行为信息，实现用 户行为分析和 客户画像，形成多维 、立体、动态的 客户特征 ，准确预测客户交易行为 ， 主动识别异常行为 ，快速洞察潜在风 险 ，实现 “一 点出险，快速洞察，全 面防控＇ 其次， 挖掘欺诈团伙作案特征和 规律，并根据风 险形势变化，实时动 态部署专家规则、量化评分、关系网 络等模型 ，不断提髙风险交易的识别 准确率。同时，引入神经网络、极端 偏离值分析等智能风险模型 ，综合运 用模型挖掘 、训练、测算、上线等闭 环研发方式以及冠军挑战模式，持续 强化模型效能提升。 最后，把风险监控嵌入各项业务 流程，在事中对交易进行截断 ，通过 智能风险模型实现交易实时精准预警 和有效拦截干预 。同时，打造风险和 体验相平衡的柔性防控模式，根据不 同渠道特 点、业务和风险类型 ，建立 分级干预策略 ，对于中低风险， 采用 增强身份验证等柔性干预策略，提升 客户体验；对于高风险交易 ，采用止 付等干预策略，确保客户资金安全。 完善风险事后处置流程。提供交易 信息、监测规则信息、案件信息等多角 度、多维度分析 ，清晰反馈业务风险全 貌。通过收集整理各渠道风险事件，并 对风险事件进展进機合管理 ，为业务 模型挖掘＇验证提供数据基础。做好风 险事件信息 、客户投诉及处理 ‘廣况等信 息漏工作，保障客户的知情权。将客 户风险评级与客户交易限额、客户激励 手雖钩 ，提升客户安全網佥。 构 建大 数据风控 体系 的着 力点 推动银行业金融机构构建统 一 的 数据管理体系。推动银行业金融机构 打破原有部门银行的 “小 格局 ” ，打破 部门、机构、区域及不同产品之间的 数据信息分散管理模式 ，梳理各部门 职责和数据 资源 ，形成高效合作 、资 源共享的运营机制，及时启动统 一数 据服务平台规划 ，统 一设计数据模型 ， 开 展基础数据平台建设，实现明细数 据整合 和逻辑大集中。同时 ，系统化 地开展数据质量综合 治理 ，以满足自 身强化风控的需 求， 同时满足监管机 构在监管数据采 集 、报送等方面的要 求 ，也为风控数据行业共享奠定基础。 建立健 全风险联防和风控数据共 享机制。监管 部门 、行业协会、市场 参与主体要形成合力，打破行业间 、 机构间、地区 间数据壁垒 ，打造风控 数据共享生态圏 ，提升全行业风险防 控综合水平。 一是整 合金融行业数据资源和各 类监测举报资源， 通过信息共享、数 据挖掘等手段 ， 建立全覆盖的诈骗 手 法快速发
蚂蚁文库