推广 - 传媒 2021-11-01T15:31:29 +08:00

防范电信诈骗 邦盛科技助力银行做好客户动态路径识别

电信诈骗案件频发,会给银行造成巨大的经济损失和社会影响,给银行业的稳健运营带来全新挑战。央行、行业监管部门也在诸多监管文件中提到了对电信诈骗相应的监管要求。近些年来欺诈团伙的作案手法不断变化,为了深入分析欺诈团伙作案特点,洞察可疑交易,可以从客户的动态行为中察觉异常,从特征中来识别诈骗行为。

在服务客户实践中,邦盛科技反欺诈专家认为,电信诈骗动态路径监测存在的主要痛点和难点是来自于案件的还原——记录在案的诈骗交易经历基本来自于事后的回忆与口述,在交易日志的还原上存在着数据质量与数据埋点缺失等问题,使得案件的全息还原和动态路径链路的精准构造成为了难题。

其中动态路径是指根据客户实时所进行的交易来判断客户动态操作行为的交易链路,如非本人账户在登陆后直接进行转账的路径、非本人登录并转账后发生了定活互转交易等。

为了解决这些难题,需要从风险欺诈样本案例为切入点,从设备异常、账号异常、行为和交易异常等多维度出发,通过黑样本与白样本的多层次对比,定位关键的区分因素,进而还原从登录到浏览到转账等环节的动态路径。

其思路主要从以下几个部分入手:

1、金融交易与非金融交易拼接

把相关涉及到的样本,将金融交易及非金融交易通过客户号进行关联,从全渠道全场景通过时间顺序进行拼接,拼接成基于客户维度的跨渠道跨场景全景的交易流水。在进行交易拼接时,将交易流水、登陆流水、浏览记录等数据进行拼接。

2、案件分析

交易拼接完后,基于全景交易流水对欺诈案件进行深入分析,分析案件涉及的主要业务节点,对其特征表现进行特征分析。通过数据层面对案件有更深层次的了解,其中案件分析主要包括路径特征与节点特征识别。通过交易过程中所经过的关键节点归纳出路径类型,同时由不同的路径类型所衍生出来的节点特征去综合判断交易所经过的路径与节点是否符合欺诈情况。

从登录、提现、转账三个路径类型方面进行路径特征识别,同时也进行相应的节点特征识别,如是否可信设备、是否习惯提现时间、是否习惯提现金额、是否可信对手方等节点特征进行识别。

3、案件标签化

为了后续对不同类型案件进行定向特征挖掘,对案件进行分类,对案件增加标签。根据不同类型案件作案手法的不同,结合案件交易表现深度分析,对案件进行标签化作业。对于确定的交易进行标签标记,这些标签可能会涉及到被骗当日网银登录异常、被骗当日跨渠道登录、被骗当日有入账交易等。

4、案件分类

通过案件新增的分类标签,对案件进行分类组合。根据电信诈骗渠道,不同类型的电信诈骗,案件过程当中是否包含特定的交易或者特定的节点等进行案件分类。

其中电信诈骗主要有三个渠道:柜面渠道、网上银行渠道、手机银行渠道。其中,柜面渠道,常见的诈骗手段,如通过公检法、洗钱等理由诱导客户转移资产;网上银行渠道,如通过购买或钓鱼获得客户信息,从而登录客户网银转账;手机银行渠道,如主要为网购快递理赔或退款为由,诱骗客户验证码或诱导客户直接转账。

面对不同风险类型的电信诈骗,主要有纯诱导型,其主要特征为相关操作均为客户本人所为,设备及IP并无异常,金额较大;纯盗用型,其主要特征为相关操作均为诈骗分子所作,设备及IP异常,金额较小;盗用+诱导复合型,其主要特征为欺诈分子操作和客户操作交错,当日设备及IP异常,一般带有内部互转交易等。

特征总结

根据对案件进行的细分归类,针对细分的不同类型案件进行定向特征挖掘,总结不同案件类型的特征共性。

特征挖掘:主要从链路的挖掘与节点特征的挖掘两个层面进行考虑。在进行链路的挖掘时,通过链路的聚类,将相同类型不同操作的动态路径进行标记识别,从而具有随机性的动态操作转换为具有固定模式的链路类型进行识别。挖掘的方向主要在于三个方向:登录与其他业务节点的关系,动账类与其他业务的节点的关系,非动账类与其他业务的关系。

特征加工流程:为避免策略不稳定或系统负载压力过大,前期在特征加工时把客户本人或不会涉及欺诈的交易进行筛除,首先进行可信设备的确认,在此基础上进行预警主体的确认,第三是通过习惯交易地址及可信对手确认,第四是入模样本的确认,第五是进行特征的挖掘,第六是进行特征计算。

5、制定方案

根据对于案件不同的子分类形成的特征挖掘后,针对不同类型案件的不同特征表现,制定策略方案。这些方案不同的类型包含的节点数量不一样,顺序也会不一样,但这些节点欺诈交易都会涉及,增加路径特征来归类识别。怎么通过策略把欺诈各种各样的形式进行整合是制定策略需要考虑的问题。

实践案例

以邦盛科技服务的某国有大行为例,邦盛科技帮助其在策略方法上进行了创新,在原有的特征维度基础上,融入了链路特征,增加了风险的识别角度,有效提升了识别能力。其次,丰富了特征维度,发现了业务之前未能探索到的领域,使识别风险的维度大大丰富。最后是利用机器学习训练策略,将策略部署更加灵活,最大程度解决了机器学习模型策略可见不可用的痛点。

相关话题

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,文章为企业广告宣传内容,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

推荐关键词

24小时热搜

查看更多内容

大家正在看