7月29日，美國第七大商業銀行“Capital One Bank”宣佈，大約1億美國人和600萬加拿大人的個人信息遭一名“黑客”竊取。失竊數據為個人和小企業用戶2005年至2019年初申請信用卡時所提供信息，包括姓名、地址、電話號碼、出生日期等身份信息以及個人收入、信用評分和部分轉賬記錄等金融數據。
即便是強大如Capital One也會出現如此大規模的風險漏洞。
戰略之選 全行級交易反欺詐系統
每年銀行、支付機構與線上線下的商戶都會因為冒卡盜刷、賬戶洩漏或非本人交易以及電信網絡詐騙等欺詐事件承受巨大的財務及商譽損失。一套效率與效果兩者兼備的交易反欺詐檢測系統將使得大量的潛在風險得以防控。
同盾科技所理解的全行級交易反欺詐不僅僅是滿足監管、自主可控和“數據不出行”的基本需求。更要體現集中化風險管理思維，從全行視角出發，構建全流程、大數據風險管理體系，以滿足PB級數據微秒處理能力，實現全行級欺詐風險防控的目標，進而創造出更多客戶價值。
同盾三支箭 造全方位風控防線
同盾基於過往的服務經驗及出於對數字時代銀行共性問題的洞察，凝練出一套提出“三支箭”的方法論，圍繞防、護、管三個核心步驟打造出了由前端風控預警、賬號安全保護、智能決策能力所組成的三位一體風控防線。
- 第一支箭：前端風控預警防線——掌握風控主動權
基於前端風控預警防線，可以在一個客戶交易發生之際，對交易方進行詐騙篩查，提前對風險交易進行阻斷，牢牢掌握風險防控的主動權。
黑色產業的迅猛發展伴隨著欺詐手段的不斷升級，他們有組織、有紀律、有執行，作案手法多變甚至在各個環節緊密配合形成成熟的利益集團。而銀行需要深入不熟悉的領域與黑產進行實時的攻防對抗需要付出較高的成本。
（黑產行為流程和組織特點）
同盾欺詐情報系統可從攻擊者的角度瞭解欺詐分子的策略、技術、流程。通過對黑產技術的深入研究輸出行業報告，為銀行的攻防對抗提供方向。並提出對應的防控建議幫助銀行及時止損。
- 第二支箭：賬號安全保護防線——打造實時反饋機制
傳統的防控系統只能實現事後的風險識別和防控。前幾筆交易已經過去風控系統才能對剛剛發生的交易給出風險判斷，這時馬上採取對應的管控措施為時已晚。
同盾交易反欺詐系統結合設備指紋、人機識別、複雜網絡算法以及風控專家們經過一系列的研究與驗證產出的風控策略對賬號進行強有力的安全保護。覆蓋用戶登錄與註冊、綁定銀行卡、更換安全卡、購物支付、短信驗證、借款、轉賬、提現、理財申購與贖回、修改資料等等交易場景。幫助銀行橫向拓展行業應用，縱向發掘服務深度。
同盾設備指紋產品目前處於行業領先地位，它利用設備的名稱、型號、設備參數等要素，為每一個操作設備建立一個全球唯一的設備ID，實現客戶設備的身份認證。 不易篡改，方便易用。全面覆蓋android、ios、web、h5、微信小程序等互聯網業務場景，識別各類作弊風險。
- 第三支箭：智能決策防線——以全行視角打造中央風控平臺
智能決策能力防線助力銀行實現全渠道、全場景、全時段的實時智能風控，為各渠道的欺詐風險監控賦能。
智能決策能力是整個交易反欺詐的中樞神經，也是銀行風控體系的基石，性能、效率、準確度、穩定性、負載力需全面滿足。同盾採用了先進的分佈式、微服務的框架，將決策引擎、機器學習平臺、數據處理平臺、知識圖譜等技術和平臺全面整合在一起，為銀行提供了一套高性能的風險決策系統。
智能決策產品矩陣，讓智慧大腦“飛”起來
- 決策引擎“天策”——業務策略統一管理平臺
決策引擎扮演著類似血管的角色，打通整個風控流程、規則、各類評分卡及模型，提供業務策略全生命週期的統一管理，支持超過一萬家客戶的交易反欺詐請求，目前每日的請求量已達數億次。
- 機器學習平臺——模型全生命週期管理
同盾機器學習平臺提供技術能力的輸出，建立標準化的機器學習模型全生命週期管理，包括數據讀取、數據處理、特徵工程、模型訓練、模型測試、模型部署、模型運行和監控，降低建模進入門檻，減少大量人工操作出錯的可能，大幅提升模型上線效率，幫助客戶“輕而易舉”的獲得海量數據分析以及精準預測的能力。
- “極溯”實時指標計算平臺—— PB級數據微秒處理能力
欺詐檢測中用到的數據集不僅龐大而且複雜。一套完整的欺詐檢測系統需要能夠迅速地對這些數據進行預處理，在非常短的時間內對線上交易作出是否存在欺詐風險的判斷，以及整個欺詐風險提示的準確度，即是否存在誤報警也是非常重要的衡量企業硬實力的標準之一。
同盾科技自研的大數據極速計算處理引擎-“極溯”，目前已有效實現“快、準、穩”三合一功效，計算準確度99.99%以上。可輸出高質量高精確的數據，原生接口靈活可配置，完美適配從模型構建到模型運行的全流程。
- “雲圖”——知識圖譜構建應用平臺
當下個人層面的欺詐識別和防範已經較為健全，團伙欺詐成為各金融機構圍追堵截的主力軍，知識圖譜以隱秘關聯關係挖掘、可視化關係呈現等諸多優點成為團伙欺詐識別的利器。同盾結合NLP、圖計算、深度學習、知識推理和可視化等技術，打造了全棧式知識圖譜構建及應用解決方案—雲圖。基於雲圖，用戶可快速構建關係圖譜，並基於圖譜完成圖特徵、圖結構挖掘，結合特定場景解決方案有效識別關聯風險、團伙欺詐風險。
全流程大數據風險管理體系——讓數據流沸騰起來
同盾交易反欺詐系統已全面實現前端風控防線、賬號安全保護防線、智能決策能力防線與全流程大數據平臺的深度結合。可幫助銀行搭建統一的數據管理平臺、打通行內及各類三方數據系統，協助銀行搭建完善的數據生態湖和標籤體系。
實際上，融合僅僅是發揮數據智能的第一步，當下銀行等金融機構每天不僅要產生巨大的數據量，更重要的是還要產生巨大的數據流，智能決策系統要在洪峰般衝擊的數據流中瞬時完成精準計算。
同盾是如何實現的呢？結合決策引擎平臺，可實時回溯歷史數據進行指標計算來完成瞬時灌裝，做到“配置即生效”。在配置的過程中同步在大數據平臺創建離線任務，當需要使用歷史存量數據時便可實時生效。這樣的設計不僅可以有效利用歷史數據，還能在深度結合大數據平臺後盤活沉睡的數據，繼而讓存量數據發揮熱度，真正賦予大數據意義，最終提升平臺的價值與競爭力。
更懂銀行才能賦能銀行
同盾已經服務300多家銀行，成功完成了對6大國有銀行、12家股份制銀行、24家持牌消費金融公司全覆蓋。
還是讓數字來說話。當下，同盾平均200毫秒內可以完成線上幾百億數據的分析決策，在多指標的場景下，單指標運算TPS最高可達百萬級，同時還能兼顧極高的準確性。
強悍的運算和處理能力之外，同盾提供的各類工具、技術、解決方案几乎觸及到銀行所有業務場景，同盾交易反欺詐體系的設計理念更加人性化、更加貼近銀行的訴求。例如為幫助銀行節省掉大量的設備與部署成本，該系統支持海量規則一鍵式上線，規則指標均支持離線統計瞬時灌裝，熱部署實時生效，頁面化配置方便易用，金融機構通過簡單的學習即可快速佈置、靈活應用。
不斷進步，不斷創新
反欺詐是個強經驗、高人耗的領域。欺詐檢測是一個動態模式識別，而不是一個靜態的、二分類的問題。以專家經驗、線型思維為特點的傳統風控模式漸漸失效，大數據、雲計算和人工智能等新技術的發展，為企業級反欺詐平臺的發展和創新提供了更多技術創新手段。
同盾正在研發的AAF（Auto-AntiFraud）與反欺詐業務場景達到深度結合，基於反欺詐業務知識庫與AutoML，提供全流程反欺詐建模與應用服務，降低反欺詐人力投入成本，提高反欺詐業務效率。做到一方面降低建模難度，提升建模效率，另一方面實現高覆蓋、低誤殺，並提供全方位的風險原因解釋，真正保證算法模型高效可用。
除此以外，同盾“安全態勢感知平臺”可提供從日誌採集、事件關聯分析、風險預警到安全處置的閉環，提升公司整體安全感知、預警能力。
目前同盾交易反欺詐系統得到了廣發銀行、中國銀聯等近百家標杆客戶核心系統的驗證。在未來，同盾會持續深化創新，為助力銀行數字化轉型、建成全行企業級反欺詐平臺提供可靠助力，力爭為更多金融機構打造智能大腦。
閱讀更多 智能風控聯盟 的文章
