在當今的金融環境中，反欺詐已成為銀行業的重中之重。 如何有效防範和應對各種複雜的欺詐行為，建立健全的反欺詐機制，是每家銀行必須面對和解決的問題。 近日，同盾科技攜手某國有銀行，共同打造了一套賬戶級反欺詐動態管控體系，以科技的力量助力銀行業提公升風險防控能力，保障客戶資產安全。
據了解，管控系統是以銀行現有客戶賬戶資金交易資料為基礎，基於安全授權環境，開發智慧型反欺詐AI模型及非櫃檯限額動態管控所需的各種模型，完成智慧型反欺詐AI風控和動態限值管控的系統構建。
近年來，同盾科技通過多個銀行AI反欺詐專案，對賬戶分類和風險管理系統進行了深入的探索和研究，形成了成熟的標準體系方案，可為銀行企業賬戶和私人賬戶風險監控、評級和控制系統的整體架構規劃提供具體的運營建議。 在這個專案中，同盾科技為國有銀行規劃了明確的專案規劃，包括7個部分：
一是做好賬戶型別分類。 通盾科技提出將賬戶子型別分為新開戶、存量賬戶休眠賬戶、少量交易變更賬戶和活躍賬戶四類，並針對不同型別設計差異化管控策略，實現精準的賬戶限額控制。
二是設定賬戶風險評級，基於銀行客戶賬戶、司法資訊、全渠道行為、交易資訊等基本屬性資訊，基於規則和模型，實現跨渠道、跨場景、全流程、立體化的多層次評級體系，準確有效地實現賬戶風險評級，對應不同賬戶型別和特徵的分類， 包括各種風險評級模型和動態決策流程，例如新開戶、現有賬戶和正在進行的交易。
三是構建客戶價值量化評價模型，通過線下模型測算客戶在銀行的活動、貢獻、消費、財務習的價值評價，開展風險維度的雙矩陣決策，支撐客戶賬戶適配的限額控制機制構建。
四是建立賬戶動態限額測控，賬戶限額的具體金額和金額增加不僅取決於單一風險識別的準確性，還需要結合價值維度，通過賬戶的歷史消費行為習，並結合期間前後的價值增長比例作為係數， 根據實際交易賬戶所需金額進行計算，給出合理的限額建議和控制措施。
五是梳理客戶賬戶風險畫像標籤體系，包括靜態標籤、動態標籤、案例細化標籤、裝置標籤和銀行自有模型結果標籤。 一方面，要明確標籤的定義，保證標籤的一致性和準確性根據業務需求和風控目標，對重要標籤進行篩選和分類。 另一方面，要為每個標籤賦值並確定每個標籤的權重，可以根據歷史資料和業務經驗確定權重，也可以通過機器學習和習等方法進行優化。
六是評估監測指標及效果，首先是額度控制的結果，以及對銀行業務和交易改善的貢獻指標，如電子渠道的簽約率、配額控制導致的交易干擾率、客戶投訴率等結果指標二是風控情況，評估受風控影響的業務指標，如線上財務限額控制涉及的賬戶數量、交易數量、客戶佔比、變化趨勢等。 三是控制策略效果，對風險管理策略和模型效應指標進行評價，如風險識別的準確性、公安案件的召回率等趨勢。
七是做好系統功能需求規劃，實現監控指標視覺化，建立全域性視野，全面了解全行及分行的風險態勢和風控，隨時支援調整決策同時建立各渠道管控檢視，提供全行及分行風險態勢及風控態勢概覽，隨時支援決策。 同時覆蓋客戶、賬戶、渠道等風險畫像，實現業務發展態勢和風險態勢分析。
通盾科技憑藉先進的技術和豐富的經驗，成功幫助某國有銀行構建了賬戶級反欺詐動態管控體系。 這不僅大大提高了銀行的風險防控能力，也為客戶提供了更安全、更可靠的金融服務。 相信未來，通盾科技將繼續與各金融機構深度合作，以科技的力量推動金融業安全發展，讓每一筆交易都充滿信任和安心。