如今，信用卡盜刷、電信詐騙等交易欺詐事件總能挑起公眾敏感的神經，帶來對“錢包”安全的持續憂慮。
中國法院網報道：某不法分子通過偽造的信用卡，在一家珠寶店盜刷消費者9.28萬元。法院審理後判決髮卡行、收單機構、商戶應該共同承擔這筆損失，其中，被告銀行賠償3.712萬元，商戶自行承擔2.784萬元。
交易欺詐已成黑色產業鏈
這類的事件已經屢見不鮮，信用卡盜刷是怎麼發生的？有沒有方式可以封堵這種行為呢？要解釋這個問題，讓我們首先看一下銀行卡的交易流程。
在線下交易中，持卡人在商戶消費刷卡之後，收單行會先判斷這張卡是否可用；確認無誤後，會把請求通過中國銀聯等銀行卡組織，間接地向髮卡行請求交易授權；髮卡行同意授權，就把授權應答通過銀行卡組織回傳，這時候持卡和商戶就可以進行交易了。
在整個銀行卡的交易流程中，髮卡行負有保障持卡人用卡安全的義務；收單機構負有特約商戶收單業務管理責任及保障交易和信息安全的義務；持卡人負有妥善保管銀行卡及密碼的義務；特約商戶負有審核持卡人真實身份和銀行卡真偽的義務；這其中任何一個環節出現問題，都會給不法分子帶來通過欺詐獲利的空間。
分析顯示，目前常見的欺詐模式有申請欺詐、交易欺詐等，文章開頭提到的案例屬於偽卡欺詐，是交易欺詐中最常見的一種欺詐手段。
分析顯示，不法分子往往通過以下幾種方式來偽造銀行卡：
1、通過賬號生成軟件模擬卡號。
2、使用帶有記憶儲存設備的讀卡機（側錄器）記錄真實的銀行卡信息，並在空白卡片上貼上磁條，輸入側錄的代碼，偽造卡片。
3、對丟失卡、被盜卡、未達卡（沒有寄達或是啟用的銀行卡）、過期卡等銀行卡進行改造，重新制卡或寫磁。
4、冒充真實持卡人身份進行掛失後獲取新卡片。
信用卡欺詐風險日趨增多
據中國銀聯發佈的《中國銀行卡產業發展報告（2017）》顯示，2016年-2017年借記卡的主要欺詐手段主要是電信詐騙、互聯網詐騙、偽卡欺詐。在信用卡欺詐中，偽卡欺詐手段佔比降低，但偽卡欺詐損失仍排名第一。
除了交易欺詐之外，申請欺詐與商戶欺詐的風險也不可忽視。前者是不法分子通過虛假的身份或者資料違規申請銀行卡；而在商戶欺詐中，通過信用卡在POS機上的交易進行違規套現、利用刷卡洗單、合謀受理偽假卡等行為也屢見不鮮，其往往利用的是信用卡交易的漏洞，並通過收取一定份額的佣金等方式謀利。
以上這些行為不僅會直接帶來經濟損失，更給銀行的正常業務運營帶來了極大的風險。
頂象幫助銀行構建信用反欺詐模型
某銀行在以信用卡收款為支付方式的跨境電商支付交易中，欺詐交易風險突出。此外，偽卡欺詐、虛假申請、互聯網欺詐等行為也是該銀行面臨的重要欺詐風險。
該銀行利用頂象智能分析平臺構建了基於業務需求的風控模型，有效提升交易反欺詐能力。
首先，利用智能分析平臺對銀行百萬量級的數據進行清洗，通過刪除無意義字段，清洗缺失率高、單一取值、或者分佈完全相同的數據，降低了數據的規模，為數據的快速分析與建模奠定了基礎。
隨後，對這些數據進行預處理，從海量數據中提取可用特徵，建立大寬表。在寬表搭建中以商戶、個人、商戶與個人三方面作為彙總對象，將交易次數、交易金額、交易幣種、交易時間間隔、不同商戶數、總交易次數等作為字段，並分別選擇不同的時間區段作為時間窗口，實現對於各種統計值數據的彙總。
通過數據預處理，整理出以下幾個顯著特徵：
1、交易中整體的欺詐比例為2%-3%。
2、大部分交易欺詐均為由非持卡人本人發起的交易，而且在較短時間內大量用卡，所涉及金額較大。
3、交易筆數在120-150筆的商戶交易欺詐率達到50%。隨著交易筆數的增加，尤其是交易筆數達到2000筆及以上的商戶，出現商戶欺詐的可能降低，交易量150筆以下的商戶應重點監測。
4、給定數據中仍有極個別交易筆數達到數千筆的同時，欺詐交易筆數達到1000+的商戶，這說明目前的欺詐偵測手段尚不成熟，未能及時發現可疑商戶。
5、從欺詐率來看，交易筆數較少的商戶的欺詐率更高，更容易產生欺詐行為。
基於以上數據，頂象智能分析平臺衍生了幾千維度的重要特徵，按照一定的比例劃分訓練、驗證數據集，使用合適的機器學習模型，使模型AUC（Area Under The Curve）達到 0.75以上。隨後對於模型訓練的數據進行調整，對樣本進行採樣調整後進入模型訓練，實現了當準確率達到90%以上，可以覆蓋70%的欺詐交易。
在模型訓練之後，最終選取預測排名前列的數據作為最終的預測名單，達到了極高的命中率。
頂象智能分析平臺涵蓋數據傳輸、數據存儲、數據管理、數據ETL、AI建模等功能，可以極大地降低企業使用人工智能技術的門檻，企業只需要提供相關數據即可實現數據ETL，建模等全部操作，通過離線調度、實時分析決策等加快數據的分析和應用，加速企業應用最新的AI技術。
閱讀更多 頂象技術 的文章
