一、项目背景及目标

近年来新型电信网络诈骗和跨境赌博犯罪的高发频发，给人民群众的生命财产带来了重大安全隐患，因此我国颁布了《中华人民共和国反电信网络诈骗法》，其中规定了银行业机构需要加强对客户身份的识别和账户管控，建立完善的异常账户和可疑交易监测机制。由于银行业务的复杂性和多样性日益增加，涉赌涉诈等金融违法行为也呈现出智能化、网络化、隐蔽化的新特点。传统的风险监测手段已难以满足现代银行业务对风险防控的高要求。从市场角度看，随着监管政策的日益严格和公众对金融安全的要求不断提高，银行在风险防控方面的投入和关注度也在不断增加。同时，随着大数据、人工智能等技术的不断发展，这些技术为银行业风险防控提供了新的解决方案和思路。特别是多模态技术的应用，为银行业风险监测提供了更加全面、准确和智能的解决方案。

本项目旨在通过决策引擎，行为序列分析挖掘，关联关系挖掘，流式计算，离线计算，数据建模等能力，构建实时，高效，精确地涉赌涉诈事中监测平台，精准识别客户，压降涉案账户，精细化管控分级账户。

二、创新点

（一）集成实时计算能力，精细化任务调度粒度

之前离线计算任务大多数为T+1，T+N调度，由于算力的限制，只有极少数采用小时级别的任务调度，通过集成流式计算引擎，拓宽数据加工链路，目前能够支持小时级，分钟级，秒级任务调度甚至是毫秒级计算作业，大大提高了业务分析的数据维度,如图1-1所示分别代表流式计算与离线计算两条数据加工计算链路。

图1-1数据加工链路

（二）重构决策引擎，提高规则计算的性能

 之前的规则处理一方面分布到各个应用系统，且采用硬编码的形式，规则编写的过程业务参与度不高，也很难参与，一方面因为规则因子即指标难以复用，规则每次调整或者编写，必须重启应用系统装载规则，此外对于一些复杂的规则集解析计算，如嵌套，并行等规则的处理，性能无法保证。基于以上痛点，我部对决策引擎核心组件进行了重构，以提高规则装载，规则编写，规则解析，规则实时生效等特性，决策引擎组件的构造图如图1-2所示。

图1-2 决策引擎组件

（三）嵌入多模型预测分析，精准管控涉案账户

整个平台嵌入了多个模型进行多维度的预测，较全面的管控识别账户的交易节点及交易行为。模型大体分为日终、实时这两大类，日终类模型，顾名思义为T+N日数据训练或者规则计算的模型，实时类则是实时的规则计算的模型，如小额试探模型。下面简要阐述下内嵌的三个创新模型，即受害人识别模型、账户分级模型以及行为预测模型。

受害人识别模型：受害人识别分为四个步骤，一是根据受害人历史观测期交易习惯，生成可信的设备、可信环境、可信交易对手等可信数据；二是针对受害人非本人操作，如网银、手机银行等首次登录、异地登录、新设备登录、修改密码等异常的节点行为；三是受害人本人操作，欺诈者诱骗受害人操作转移财产，当日设备、环境异常等，以及诱骗受害人进行一些内部交易，如定活互转，充值等；四是受害人发生资产损失，如当前笔交易为当日首次出账、当前笔交易短信验证失败、当前转出交易有异常登录等情况。针对上述识别的过程，特结合图特征的挖掘，挖掘节点不同时间切片的次数、金额、重要性以及节点与节点的交易关系，关联关系等，以提供给图模型训练，提升模型预测的精度，如图1-3所示。

图1-3受害人识别过程

账户分级模型：根据客户画像将账户分级为高风险低净值，中风险，低风险高净值，通过置信度分析，模型评分，历史涉案账户均分布在高风险低净值，中风险两个区间，评分卡效果明显。通过分级模型的评分，一方面支持批量的I类卡限额配置，一方面支持对实时的I类卡交易进行账户的分级，不同分级账户可以配置不同的规则集，从而更精细化地限额及管控账户，如图1-4所示。

图1-4账户分级限额管控

行为预测模型：通过对历史数据进行分类建模，预测未来数据点的类别及进行规则的实时命中监控，具体步骤如图1-5所示。

图1-5行为预测模型

三、项目技术方案

3.1技术架构图

图2-1 涉赌涉诈事中监测体系

涉赌涉诈事中监测平台构建在湖仓一体，图数据库的基础上，主要构建了流式计算引擎，决策引擎以及多个的反欺诈模型（受害人识别模型、账户分级模型、行为预测模型、小额试探模型等），其中流式计算引擎支持实时规则因子的加工；决策引擎一方面支持规则集、规则因子的管理，一方面支持快速的规则解析计算；内嵌的多个反欺诈模型用于欺诈交易的精准识别及预测，如图2-1蓝色方框所示。

3.2业务流程

图2-2 主业务流程

主要的业务流程是实时采集交易数据到涉赌涉诈事中监测平台，平台进行数据整合，加工规则因子，进行规则解析/模型计算，将命中的名单发往核心系统进行柜面管控，管控成功后调用短信发送接口；此外平台也暴露命中名单接口提供给内部数据管理系统，如图2-2所示。

四、项目过程管理

整个项目团队由产品经理、大数据架构师、算法挖掘工程师、数据分析人员、数据建模工程师、测试工程师、大数据开发工程师、前端开发工程师、测试工程师组成，项目于2023年6月份完成需求分析，7月份完成方案设计并进入开发阶段，12月份完成平台的测试及投产。

五、运营情况

平台自投产运行以来，抓取的涉案账户与公安下发的涉案账户相比，覆盖率接近50%，管控率约95%，止损近千万涉案金额，对于涉案账户的及时管控效果明显。

六、项目成效

（一）从事后到事中，实时监测分析，及时管控

实时采集交易流水数据，并进行规则因子加工，通过规则计算，及时的命中可疑账户。然后将命中的名单发往核心，在下次交易发生时进行管控。

（二）提前识别，压降涉案账户

通过受害人识别模型，挖掘出主要欺诈链路，如从登录到交易阶段、登录到定活互转、登录到交易阶段再到定活互转等，做到节点、链路的提前识别，从而压降了涉案账户，降低了涉案损失；通过行为预测模型，回跑历史交易数据，能够快速的甄别疑似涉案账户，并及时管控。

（三）账户分级，精细化额度配置

借助客户画像指标、标签，建立账户分级模型，针对不同的分级账户进行对应的额度配置，从原先的”一刀切”到精细化的运营，一方面提高了客户的产品体验，另外一方面也有效地降低了涉案损失。

七、经验总结

经过此次项目的实施，我们积累了宝贵的反欺诈工作经验。在业务专家的指导下，深度剖析历年来涉案账户信息，抽取出了相关的事中监测规则，借助平台的运行，对涉案账户及时的管控，降低了一定的涉案损失。为了更好地压降涉案账户与精细化管控，将涉案行为及时的阻断，平台也内嵌了多个模型，包括账户分级模型、受害人识别模型、行为预测模型等。尽管模型起到了一定地管控效果，但是由于模型预测精确率的问题，出现了较多账户误杀的情况。在今后的工作中会持续挖掘关联关系特征、序时类的特征，并引入外部数据，不断地迭代优化模型，从而提升涉赌涉诈事中监测地效能，更好地压降涉案账户、精细化管控、降低涉案损失。