项目背景及目标

为提高吉林省农村信用社（以下简称“吉林农信”）银行卡业务风险管理水平，规范电子银行风险监控管理，保障客户资金安全，促进银行卡及电子银行业务健康快速发展，依照中国银行业监督管理委员会《电子银行业务管理办法》、中国人民银行《网上银行系统信息安全通用规范（试行）》、中国人民银行办公厅银办发【2017】120号《中国人民办公厅关于强化银行卡磁条交易安全管理的通知》和吉林农信等相关业务制度相关发文要求，基于大数据技术和风险实时管控模式，搭建风险实时识别与防控系统平台。

通过建立高风险交易特点和持卡人行为特征风险评估模型，对风险等级实施精准识别、实时拦截等差异化风险防控。从而，实现事中交易风险识别、分析、甄别、评估、控制机制，能够在交易过程中实时获取客户银行卡及电子银行交易风险特征及并进行风险预警，按照风险等级高低，系统采取事中阻断、事中提醒、事后核实和虚增交易监控的不同处置方式，并通过与银行相关业务及渠道系统开发接口等方式，终实现对风险交易的有效控制及干预，提高欺诈交易拦截成功率，切实提升银行业务及风险交易安全防护能力。

项目方案

本系统基于平台化、统一化、标准化的建设思路，采用目前业内流行的Storm实时流计算引擎以及Redis内存数据库等大数据技术，通过对网上银行、POS、ATM、手机银行等交易渠道的交易进行实时监控预警，协助电子银行以及其他部门构建更完整的跨部门、跨业务、全渠道的交易安全与风险保障体系，整合各类行内外风险数据，为各业务系统提供统一、标准化的数据实时查询及验证服务，缓解由内外部欺诈损失、风险监管及案件防控带来的管理压力。

该技术平台实现了可视化快速开发技术、项目实施一体化开发工具、技术框架及开发过程的规范化统一化。基于大数据、人工智能等先进技术平台及架构设计，支持Hadoop框架设计与集成，采用Spring、Mybatis、BootStrap、JCS、Jquery、Storm、Kafka、Redis、Mina、ElasticSearch、Drools、Workflow、ECharts等大数据技术及开发框架，支持ESB服务注册进行交易通讯、报文配置、数据交换以及API接口定制开发，提供调用反馈服务。

系统独立的风险数据集市由贴源数据（ODS）、衍生数据（DM）、第三方外部数据等构成，获得从数据源进行采集后保存的数据，并按照不同数据主题包含客户身份数据、设备指纹数据、金融交易数据、外部采集数据、历史数据、公共数据等划分，提供数据整合、处理、监控、分析和计算服务。

提供封装的工具组件实现核心处理功能，如：流式计算引擎、规则引擎、工作流引擎、搜索引擎、报表引擎、决策引擎等；

逻辑处理上支持数据处理、业务判定、工作流转、展现分析等逻辑处理，包括数据指标计算、规则模型运算、机器学习、名单精确/模糊匹配、策略管理、客户画像、交易监测、风险评分、关联分析、资金链路分析、预警处置、外部系统交互等等。业

务流程上支持客户身份识别与调查、事中交易监控及风险处置流程、风险分析与评估管理、欺诈甄别及案件管理流程、客服联动及客户外联流程、等业务逻辑及工作流程的管理服务。

满足风险识别及预警（数据采集、数据分析、专家经验库、规则管理、机器学习、名单管理、风险预警）、风险评估及控制（身份欺诈识别、交易风险评估、关联风险分析、事中交易监控）、风险处置及管理（事后风险分析、联动控制、在线监测、跟踪监控、案件管理、黑/灰名单）、风险报告及报表（综合查询、报表配置、管理报表、分析报表、风险报告）、基础管理（系统管理、运维管理、配置管理、知识库）等核心应用实现。

提供满足不同岗位职能、用户角色需求的全渠道交易风险监控平台及其子系统入口，打造客户身份欺诈识别、事中交易监控、风险风险评估预警、风险控制与策略管理、事后风险分析、案件防控的全面风险监控体系以及事务管理、工作协同、信息联动、经验共享的日常工作管理平台。

创新点

1．基于流式计算引擎的实时技术处理实现对业务的实时风控，流式计算引擎输入包括受控交易、历史画像、风控模型，通过对风控模型的解析，实现受控交易与该交易中相关主体历史画像的对比，计算风控模型的匹配度，对于超过门限阀值的交易，产生欺诈警报。

2．基于分布式的名单实时查验服务，便于柜员和管理人员对黑/灰名单数据验证的核实、确认，需要提供统一名单维护与查验的接口，方便柜面和管理人员可以实现对名单客户相关信息的查询，方便其对名单客户进行实时验证及业务控制，同时能够实现柜员或管理人员对名单进行统一维护与管理操作。

3．基于可视化编辑的风控模型定义，全面构建客户行为习惯模型及风险交易资金网络，反映出具有高风险的客户群组的资金流向、交易特征、行为习惯等特点。

4．提供基于场景的智能决策引擎，业务交易可能违反多个模型，因此对于该交易的综合风险判别需要由决策引擎完成，通过对基于业务场景的受控交易违反模型的风险度、数量、交易金额等综合性评估，判断风险等级，产生受控指令，包括：阻断、放行和强认证等，终指示业务系统自动进行后续处理措施。

5．通过对个人客户的行为数据进行深度挖掘，可以从数据中量化抽取风险特征指标，再利用机器学习及神经网络等算法训练模型。用于监控并自动汇总高风险用户，再经过人工识别，确定欺诈账户。

技术实现特点

本系统基于大数据技术的分布式架构设计，通过对网上银行、POS、ATM、手机银行等交易渠道的交易进行实时监控预警，从而协助会电子银行以及其他部门构建更完整的跨部门、跨业务、全渠道的交易安全与风险保障体系，缓解由内外部欺诈损失、风险监管及案件防控带来的管理压力，本系统主要包括以下几部分：

1、采用DB2 DPF 关系型数据库，存储预警处理结果，以及用于计算预警模型的批量数据，批量数据每日以文本文件方式通过数据平台同步到到风控系统

2、采用Redis内存数据库，存储业务行为模型数据，以及预警数据临时数据存贮

3、采用Storm流计算引擎，实时处理ESB转发的请求报文数据，并实时反馈计算结果,利用Zookeeper分布式应用程序协调服务实现Storm集群之间的任务协调处理

4、采用标准J2EE架构，搭建前台应用，用于监控系统交易甄别情况，以及维护系统预警模型以及行为计算模型

5、利用后台批量计算引擎，加载数据平台提供批量数据，用于计算行为模型

6、利用内联服务器数据采集引擎，接收ESB发送监控报文数据，并反馈预警处理结果

项目过程管理

2017年11月中旬，基于监管要求及大数据技术应用设计提出全渠道实时风险防控的概念。

2017年12月下旬，完成反欺诈系统平台的设计和实时风险防控机制的规划。

2018年1月完成*****期迭代开发，搭建了基础平台以及实时风险处理的规则引擎与流式计算引擎，接入部分重点电子渠道风险交易，初步实现了银行卡反欺诈模型构建及实时风险控制。

2018年6月完成第二期迭代开发及升级优化，满足全渠道风险交易接入，实现了欺诈风险防控及洗钱风险涉恐名单的实时监测。

运营情况

根据人民银行《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）要求，在省联社信息科技中心与渠道管理部共同努力下，风险实时识别与查控于2018年7月成功上线。

风险实时识别与查控系统包含银行卡交易数据实时分析、警报监控及处理、用户习惯自学习、规则灵活定制、名单管理等系统功能组件，一期完成系统平台基础功能搭建和ATM、POS渠道的交易实时监控功能，已于2018年1月18日上线；二期项目自2月份启动，历时6个月，完善银行卡交易渠道，实现网银、手机银行渠道的交易实时监控，还通过交易行为分析和机器自学习不断优化风险评估模型，针对高风险交易，实现交易阻断及向持卡人进行信息提示等风险防控功能。此外，根据国家外汇管理局（2017）29号 《国家外汇管理局关于规范银行卡境外大额提取现金交易的通知》对境外取现暂停名单进行实时监测，实现了阻断境外提取现金交易控制。

目前系统已覆盖全省52家社员行社，系统用户1500人，省联社渠道管理部负责系统的日常运营，内部设置系统管理岗、风险管理岗和风险监控岗。系统管理岗负责用户和系统管理，风险管理岗责名单管理等重要操作的授权，风险监控岗负责名单管理、规则优化、报表统计、报告、分析等工作；各县级行社电子银行部门负责处理辖内涉及风险监控事务的有关日常工作。内部设置风险管理岗和风险监控岗。风险管理岗负责操作岗对银行卡异常交易及风险事件的核实工作；本行社风控系统全面工作。风险监控岗负责风险事件的调查、处理和系统日常运营工作。

项目成效

风险实时识别与查控项目自上线以来，实时分析交易平均响应时间小于50ms；目前已投产83个实时监测规则模型，自学习指标22个，名单查验已接入8类监测名单，建立了基于高风险交易特点和持卡人行为特征的事中干预与虚增交易监测的风险防控手段，全面提升吉林农信的银行卡业务风险的综合防控能力。

系统实时识别平均日处理实时交易量约70万笔，平均每天监测预警风险级别较高的交易约3万笔，系统自动发送到县级行社风险监控岗事后进行人工分析；平均每天监测预警风险级别系统为高的交易约1-2笔，系统自动对该交易予以阻断，阻断交易发生后，系统自动给县级行社风险监控岗发送通知短信，由风险监控岗及时登陆系统查看并处理。

系统名单实时查验平均日处理实时交易量约50万笔，平均每天命中监测名单的交易约2万笔，主要命中名单范围为道琼斯涉恐黑名单、有权机关黑名单及反洗钱高风险及较高风险名单，系统自动提示柜员，由柜员进行人工复核确认是否放行交易；平均每天监测阻断交易约1-2笔，主要命中名单范围为外管局境外交易取现暂停交易，系统自动对该交易予以阻断，并实时将命中信息返回业务系统处理。

经验总结

本次项目创新性的将自身行业经验与大数据风控能力进行结合，始终保持行业、技术、场景、数据的深度结合，通过研究引入大数据、虚拟化、机器学习、人工智能等前沿技术，与合作伙伴一道自主开发出风险建模工具、机器学习工具、风险分析工具、实时计算引擎、风险决策引擎、规则引擎、搜索引擎等核心技术组件以及反欺诈、名单查控等智能风控类系统，提供技术研发、数据模型、风控模型、平台建设的一站式金融科技服务。

通过下接底层技术平台，上接顶层系统应用，为我社提供风险控制、精准营销等对外业务层面，以及内部运营效率提升、内控及风险管理效果加强等数据加工和数据应用，挖掘原始数据的价值，从上游的数据源到中游的数据服务商，再到下游的业务机构，为我社提供全面、高效的大数据技术及应用支持。从而，打造一个技术与数据平台的生态圈，以数字化、场景化、平台化、融合化、智能化为理念，提供全方位的金融风控服务，努力促进传统金融业务及其风险管理机制的服务提升、业务转型与科技创新。

先进的信息技术应用推动着银行转型升级，成为引领银行拓展业务、防控风险、提高竞争力的重要手段和支撑。借助金融科技，商业银行在技术创新、系统研发、营销结构、数字化风控方面不断创新，逐步实现网点向体验式营销转型，利用人工智能提高服务效率，以大数据、机器自学习等新技术升级风控，大大提高了传统金融机构的风控能力。