機器學習是一種重要的金融科技創(chuàng)新手段,近年來在國內外金融機構和金融科技企業(yè)中被嘗試應用。作為全國性 12 家股份制商業(yè)銀行之一,光大銀行依托其大數(shù)據(jù)應用開發(fā)平臺,在其電子銀行全渠道,引入浙江邦盛科技的機器學習模型,對其線上、線下交易數(shù)據(jù)、用戶訪問歷史數(shù)據(jù)等,采用專家規(guī)則+機器學習模型的思路,進行客戶交易特征數(shù)據(jù)的計算和處理,完成數(shù)據(jù)挖掘建模的建立、訓練與優(yōu)化,通過生成智能反欺詐規(guī)則,大力提升光大銀行在反欺詐領域的風險預測能力。

　　1

　　伴隨著移動互聯(lián)網(wǎng)技術的飛速發(fā)展,銀行服務模式日趨多樣化。隨之而來的銀行欺詐風險呈現(xiàn)出更加隱蔽、專業(yè)的特點,發(fā)展出更多的作案手法和表現(xiàn)形式。原有的反欺詐風控模型特征計算方式單一、維度較少,存在大量信息遺漏等,這些都導致了銀行無法進行有效的欺詐預測。

　　同時,傳統(tǒng)欺詐檢測主要依賴專家規(guī)則,風控規(guī)則準確率較低,隨著欺詐手段的日趨多元化,導致銀行無法應對欺詐行為的持續(xù)變化。而且當專家規(guī)則積累達到一定數(shù)量后誤報率通常會比較高,會影響實際風險決策的制定和實際業(yè)務的開展。

　　而機器學習技術,相較于基于經(jīng)驗的專家規(guī)則,可以從中找出一些很難被專家規(guī)則發(fā)現(xiàn)的微觀特征,使模型的刻畫更為精準,從而大幅提升欺詐案件的偵測率。

　　2

　　為了提升電子銀行反欺詐的準確率與覆蓋率,光大銀行率先布局,引入了邦盛科技的人工智能核心技術,針對其網(wǎng)銀場景訓練應用反欺詐機器學習模型,利用歷史欺詐數(shù)據(jù)的行為特征,發(fā)現(xiàn)欺詐與非欺詐交易存在的內在規(guī)律,從未來的申請數(shù)據(jù)中識別出真正的欺詐案件,從而實現(xiàn)全流程智能化的風控體系。

　　基于金融行業(yè)長期的積累,邦盛科技利用機器學習模型、智能評分卡及智能規(guī)則,輔助原有業(yè)務經(jīng)驗進行數(shù)據(jù)梳理及效果應用提升,有效提升原有規(guī)則模型攔截及預測效果。在短短幾個月內,經(jīng)過光大銀行與邦盛科技的共同努力,在保證與原有規(guī)則相同覆蓋率的情況下,通過機器學習模型,大幅提升命中率約 40 倍,降低客戶干擾到原有的1/25。邦盛科技的機器學習模型僅依靠銀行的交易數(shù)據(jù),便做到了如此出色的效果。

　　邦盛科技機器學習反欺詐模型憑借優(yōu)異的模型精度無損化上線方案及高解釋性智能評分卡方案,可有效產(chǎn)出高精確率、高覆蓋率及一定解釋性的模型,充分利用海量歷史數(shù)據(jù),全方位提升目標用戶的識別能力,有效降低誤報率和漏報率。在實際應用中,隨著機器學習模型與專家規(guī)則的深入結合,邦盛科技將現(xiàn)有的對可疑交易的電話確認等事后反欺詐轉化為事中反欺詐,為銀行大力節(jié)省了人力成本和運營投入。

免責聲明：本文為廠商推廣稿件，企業(yè)發(fā)布本文的目的在于推廣其產(chǎn)品或服務，站長之家發(fā)布此文僅為傳遞信息，不代表站長之家贊同其觀點，不對對內容真實性負責，僅供用戶參考之用，不構成任何投資、使用等行為的建議。請讀者使用之前核實真實性，以及可能存在的風險，任何后果均由讀者自行承擔。