一、项目背景及目标

黑产欺诈和电信诈骗等活动日益猖獗，监管部门对金融机构提出明确要求：利用数据挖掘分析工具识别内部违规操作行为、客户交易习惯和可疑行为模式，对账户异常开立和可疑交易情况进行实时监测，向可疑账户采取有效风险防控措施。

但在具体实施的过程中仍然面临了如下问题：

1、金融欺诈呈现出专业化、产业化、隐蔽化、场景化四大特征，专家规则无法实现银行业务全周期防控，导致银行产生巨大的损失。

2、机器学习等算法通过概率学指标预测风险等级，其相关性往往不构成因果关系，造成业务可解释性较差。

3、银行线上业务交易种类复杂，传统架构在处理多数据源大数据量高并发场景时响应速度无法保障，错失风险防控的黄金时间。

本项目打造基于图计算的智能反欺诈能力，结合客户设备、账户、交易行为等数据，以图数据服务和图模型服务形式覆盖交易、申请、营销反欺诈三大方向，从事前、事中、事后风控闭环出发，实现涵盖主体、行为、关系的多维欺诈风险防控。

二、项目/策略方案

本项目重点打造基于图计算的智能反欺诈能力，结合客户设备、账户、交易行为等数据，建立相关反欺诈模型，以图数据服务和图模型服务两种形式覆盖交易反欺诈、申请反欺诈、营销反欺诈三大方向，从事前、事中、事后风控闭环出发，实现涵盖主体、行为、关系的多维欺诈风险防控，管控全行14个业务渠道、108类业务场景，促进提升金融业务风险防范能力，有效保障客户财产及数据安全。

1、图数据服务

图计算融合数据量达到25.6亿条，对外数据服务包含15种实体、40种关系。

目前图数据服务已形成基础标签、业务规则标签、智能标签三大类，全面覆盖对公、零售、风险等条线，成为各业务数字化转型的基石。

2、图模型服务

面向不同场景特点提供端到端模型服务，已构建欺诈公司团伙图挖掘模型、紧急止付图挖掘模型、羊毛党挖掘模型等。在准备完成高质量图谱基础之上，结合主流的风险关联群组挖掘算法，以及业务总结下来的挖掘经验，进行多次的迭代（多次试运算和反复优化调整），终达到满意的挖掘结果，将挖掘的结果以风险群组展示、指标、名单、分值的形态输出

三、创新点

本项目中构建的全行级图计算是多次及时阻止欺诈行为，有效保证了人民群众财产安全，荣获金融行业相关奖项。基于知识图谱的数据及模型服务正在成为银行的基础数据资产，为银行反欺诈业务的开展提供底层数据支撑。

1、多维度图算法支撑体系

本项目提出“全渠道、全周期、智能化、实时化”目标，设计建设企业级图计算智能模型体系。基于数仓及图数据库平台建立数据底座，融合基础算法与金融行业特色算法形成算法仓库，应用银行业务规则沉淀端对端模型，实现我行各条线全周期风险管理业务赋能。

2、多模态融合架构设计

随着各行各业对数据越来越重视，小时级或者分钟级的计算已经不能满足我行业务的需要，需求逐渐从时窗驱动，升级到事件驱动，甚至每产生一条数据，都想尽快看到新结果。本项目通过引入StarRocks与Flink相结合的全新模式，借助StarRocks + Flink + kafka实现实时数据抽取与加工，为业务人员提供了秒级业务流程数据可视化和异常业务洞察服务。

3、多视角图关系展示能力

图计算提供了从“关系”的角度去分析问题的能力，可呈现链状、圈状、域状的群视图，并在此基础上生成企业和个人的投资关系、担保关系、资金往来关系等关系图谱，能够从多维度、多视角了解对客户历史变更及现状情况，有效提升我行精准营销和风险预警能力。

四、项目过程管理

一阶段：基础平台建设及数据整合，实施周期：2018.10-2020.4

1、搭建图数据库及知识图谱分析平台，实现对海量复杂网络关系的快速搜索、管理以及对未知关系的发现和挖掘。

2、对公客户多维度关系网络的生成，增强数据聚合服务能力，重点实现企业基本信息、关联关系、客户贡献度、已开展业务、行内动态、行外事件、拜访记录舆情消息推送等企业全维度信息的展现。

二阶段：反欺诈场景应用，实施周期：持续运营

1、交易反欺诈场景（2021年4月-2022年5月）。构建欺诈公司团伙挖掘模型，利用集团客户关系、担保客户关系、委托支付关系、票据出票关系、投资关系、高管关系、股东关系、资金往来关系、上下游关系等关系图谱的生成，实现对公客户隐性关系的挖掘，包括一致行动人、实际控制人、自然人融合、企业派系等关系的挖掘，以完成黑名单传染、资金流向分析等场景的实现；构建紧急止付实时图挖掘模型，利用零售客户家庭关系、转账关系、设备使用关系等，在有权机关下发黑名单后，实现零售客户交易行为紧急管控，有效阻止可疑交易的传播蔓延。

2、申请反欺诈场景（2021年6月-2022年2月）。构建信贷申请欺诈团伙挖掘模型，以全行2000万零售客户为基础，构建知识图谱复杂网络进行社团划分，挖掘多人集中供款关系、套现代还关系、多人同终端使用关系等高危风险团伙，及时反馈至产品部门进行贷后核查与预警。

3、营销反欺诈场景（2022年5月-2022年8月）。构建薅羊毛团伙挖掘模型，以手机银行营销活动数据为基础，采用连通图算法挖掘客户团体聚集性，通过团规模、团直径、重要度节点等指标评价团体风险情况，结合专家规则得出营销黑名单，为后续营销方案的制定提供数据支撑。

五、运营情况

平台辅助决策图查询155万次，其中数据服务实时接口查询28万次，2022年平台服务用户数2527人，月活跃用户数1000余人。

六、项目成效

经济价值：

截至目前，本项目协助地方公安机关破获欺诈案件3起，共发现可疑团伙466个，累计确认风险账户18702个，管控风险金额累计3097万元。

1、基于公安系统下发紧急支付账户名单构建紧急止付实时图挖掘模型，推送可疑线索3501个，管控账户1138个，涉及余额729万。通过欺诈公司团伙图挖掘模型发现353个可疑企业团伙，涉及454个可疑企业账户。

2、信贷申请欺诈团伙挖掘模型，共挖掘19万余个团体，精准筛选出近200个高危风险团体。

3、通过羊毛党模型对参与营销活动的62.4万人进行分析，认定了高危名单共计70660个，其中高危设备83个，高危IP 58个，高危手机号70460个，高危客户号59个，加入反欺诈黑名单库进行管控。

社会价值：

1、提升我行在服务实体经济以及满足人民美好生活向往对金融需求等方面的金融资源配置效率和金融方案提供能力，践行新金融发展理念。

2、积极跟踪、研究与利用科技发展主要趋势，提供行业应用实践，践行创新、开放、共享等新发展理念，并帮助我行应对数字化变革大局，推动金融业务创新和发展。

七、经验总结

本项目首先建设行内统一的知识图谱基础技术平台，结合搜索引擎和图检索技术实现面向关系的多维查询，形成灵活可拓展的技术底座。然后整合对公、零售、风险等条线基础数据，形成基础标签、业务规则标签、智能标签三大类数据服务体系。后以风控场景为切入点，融合基础算法与金融行业特色算法形成算法仓库，应用银行业务规则沉淀端对端模型，实现我行各条线全周期风险管理业务赋能。