
建行大數(shù)據(jù)風控筑網(wǎng)絡欺詐防護墻
隨著互聯(lián)網(wǎng)業(yè)務的快速發(fā)展,金融科技創(chuàng)新為我們的生活帶來了諸多便利,電子銀行交易、網(wǎng)絡購物支付不斷普及。然而隨著網(wǎng)絡詐騙呈日漸高發(fā)態(tài)勢,種類繁多,詐騙團伙分工明確,形成一條龍的產(chǎn)業(yè)鏈詐騙模式。不法分子大肆運用釣魚網(wǎng)站、偽基站、木馬植入等詐騙手段,通過積分兌換、淘寶退款、微信二維碼、QQ?紅包等工具,精心編造各種騙局,引誘客戶上當受騙。伴隨信息泄露的常態(tài)化和詐騙手法的日新月異,在線支付等網(wǎng)絡欺詐風險已成為當前風險高發(fā)地。
在嚴峻的外部欺詐形勢下,建行通過大數(shù)據(jù)智能化風控模型,打造“防、控、補”一體的電子銀行全流程反欺詐體系,從事前、事中和事后主動加強網(wǎng)絡金融風險管理,有效控制了外部欺詐風險,為網(wǎng)絡金融用戶的資金安全保駕護航。
事前防范——客戶安全教育與反釣魚成效顯著
2011年開始,建行即利用網(wǎng)站、微博等平臺進行客戶安全教育宣傳,增強客戶對欺詐行為的識別能力。2015年,為塑造專業(yè)專注的服務形象,專門打造了建行反欺詐衛(wèi)士卡通形象“藍e衛(wèi)士”,并在微信、微博、網(wǎng)站等互聯(lián)網(wǎng)渠道,以“藍e衛(wèi)士”為主題對信息泄露、偽基站等當前典型高發(fā)的風險進行多輪次宣傳教育,從如何識別釣魚網(wǎng)站、保護好自己的個人信息和密碼信息等角度進行專題宣傳。同時在行內(nèi)定期進行風險提示和預警,通過網(wǎng)點和短信等渠道開展客戶安全教育和警示。通過一系列安全宣傳活動,有效提升客戶風險防范意識和技能。
針對不法分子通過釣魚網(wǎng)站,竊取受害人輸入的個人敏感信息,進而假冒受害者進行欺詐性金融交易獲得經(jīng)濟利益的欺詐手段。2011年開始建行組建專門的反釣魚隊伍,開啟24小時不間斷的釣魚網(wǎng)站主動搜索排查機制,不斷分析釣魚網(wǎng)頁規(guī)律,做到查防結合,積極應對多樣化、域名種類復雜化的釣魚形勢。2016年,建行自主創(chuàng)新開發(fā)的 “反釣魚監(jiān)測系統(tǒng)和方法”獲得國家知識產(chǎn)權局授予發(fā)明專利,通過提升釣魚網(wǎng)站監(jiān)測系統(tǒng)的智能化水平,加大對高危、重點釣魚網(wǎng)站偵測頻率,釣魚網(wǎng)站處理數(shù)量和效率不斷提升。此外,建行與中國互聯(lián)網(wǎng)應急管理中心、公安機關、騰訊、360安全中心等外部機構建立數(shù)據(jù)共享機制,鼓勵行內(nèi)行外積極舉報釣魚網(wǎng)站,并及時報送相關部門進行關停,努力為用戶提供安全的網(wǎng)絡支付環(huán)境。
事中監(jiān)控——建立大數(shù)據(jù)智能風控
2011年11月,建行在國內(nèi)率先建立網(wǎng)絡金融反欺詐平臺,依托全行統(tǒng)一、跨渠道的網(wǎng)絡金融反欺詐系統(tǒng),實現(xiàn)網(wǎng)上銀行、手機銀行、網(wǎng)上支付等電子渠道交易的7*24小時全面風險監(jiān)控,對高風險交易實時阻斷后進行人工分析、外呼核實、加黑名單等處理。一方面通過研究典型欺詐案例特征,并結合客戶歷史交易行為習慣,部署相應的控制策略和措施,并動態(tài)調整;另一方面通過位置服務、終端識別等新技術應用,持續(xù)優(yōu)化提高監(jiān)控策略的有效性,將高命中率的監(jiān)控模型應用系統(tǒng)智能化自動防控。
通過充分利用現(xiàn)代化的信息技術和大數(shù)據(jù)分析,依托基于用戶行為分析的風險引擎,實時快速分析網(wǎng)絡金融渠道客戶交易行為細節(jié),建立電子化、流程化、規(guī)范化的管理方式,對海量的數(shù)據(jù)進行比對、甄選,主動識別異常行為,采集異常行為數(shù)據(jù),進行實時分析判斷,挖掘欺詐團伙作案特征和規(guī)律,根據(jù)風險形勢變化,實時動態(tài)部署智能化監(jiān)控策略,擴大風控覆蓋范圍和攔截半徑,實現(xiàn)精準識別高風險網(wǎng)絡金融交易,有效保障客戶資金安全。
事后補償——維護客戶權益
通過借鑒國外先進銀行經(jīng)驗,建行研究建立了網(wǎng)絡金融風險快速追賠機制。對于客戶遵守網(wǎng)絡金融客戶服務協(xié)議,已盡到一定安全和保管義務,但由于其被第三方非法入侵、盜用等原因導致直接經(jīng)濟損失的,采取積極應對措施,幫助客戶挽回損失。與此同時,建行積極推進聯(lián)防聯(lián)控生態(tài)圈建設,加強與第三方商戶聯(lián)動,通過資源互換及風險形勢共享,共同實現(xiàn)行業(yè)上下游風險聯(lián)防。
2016年,為進一步豐富與商戶風控合作的模式和內(nèi)容,拓展商戶合作新領域,豐富防控維度,建行創(chuàng)新研發(fā)第三方合作支付商戶風險評級模型,采取針對性的一戶一策差異化合作策略,依據(jù)商戶風險評級模型的結果,結合商戶自身風控完善程度及防控能力,對商戶劃分不同的合作等級,制定分類的合作方案,并將先進經(jīng)驗在合作商戶之間交流,共享風險信息、聯(lián)防聯(lián)控。此外,總行、分行、網(wǎng)點共同參與打造建行、合作商戶、公安機關等單位在內(nèi)的聯(lián)防聯(lián)控合作機制,力求構建一個以銀行為核心的應對互聯(lián)網(wǎng)欺詐犯罪的防護生態(tài)圈。
建行集事前防范、事中監(jiān)控、事后補償三位一體的全面網(wǎng)絡金融反欺詐風險管理體系,在保障客戶資金安全方面的創(chuàng)新做法取得的良好成效,是建行服務民生、履行企業(yè)社會責任的有益實踐,受到客戶、媒體和社會各方面的廣泛關注。建行將在人民銀行、公安部門等大力支持下,主動與金融同業(yè)合作,積極加強企業(yè)級反欺詐防控能力建設,持續(xù)提升應對網(wǎng)絡欺詐風險的能力,為保障客戶權益,營造良好的金融生態(tài)發(fā)揮更大的作用。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10