背景與挑戰(zhàn)：

作為國內(nèi)最大的商業(yè)銀行之一，該行的客戶每天使用該行的信用卡、儲蓄卡產(chǎn)生的線上交易筆數(shù)眾多，與此同時該行也面臨著欺詐風(fēng)險的困擾，伴隨著欺詐分子團(tuán)伙化、欺詐形式多樣化，新的欺詐手段層出不窮等現(xiàn)狀，該行迫切的需要通過創(chuàng)新的技術(shù)手段，去防范整體的欺詐風(fēng)險，并且隨著欺詐手法的變化不斷的更新迭代。

業(yè)務(wù)目標(biāo)：

在外呼能力一定的情況下，使用機(jī)器學(xué)習(xí)模型相比原有的專家規(guī)則可以成功覆蓋更多的欺詐交易，從而提升整體的業(yè)務(wù)效率。在較高準(zhǔn)確率的前提下，為事中阻斷交易提供可能性。

難點(diǎn)與關(guān)鍵成功因素：

現(xiàn)階段，該行風(fēng)險部門利用傳統(tǒng)專家規(guī)則進(jìn)行欺詐防控和風(fēng)險偵測，而持卡人的每一筆線上交易是否存在欺詐風(fēng)險可以利用該持卡人的歷史交易信息、當(dāng)前交易信息、設(shè)備信息、地址信息等多維度的數(shù)據(jù)進(jìn)行精準(zhǔn)刻畫，如何有效地利用海量的數(shù)據(jù)挖掘和刻畫每一筆交易背后的欺詐風(fēng)險，是本項目的難點(diǎn)與關(guān)鍵成功因素。

業(yè)務(wù)成果：

線上測試結(jié)果中，在同樣的48%召回率下，模型的準(zhǔn)確率達(dá)到了83%，較原有規(guī)則提升了316%。
如果每天外呼相同數(shù)量的核實(shí)電話，模型相比原有規(guī)則可多識別58.8%的欺詐交易。

展望未來：

現(xiàn)階段，第四范式的反欺詐解決方案通過機(jī)器學(xué)習(xí)模型與傳統(tǒng)專家規(guī)則的結(jié)合，實(shí)現(xiàn)了多場景、全流程的風(fēng)險管控。同時，隨著場景的擴(kuò)充、業(yè)務(wù)策略的不斷完善，第四范式正在就智能風(fēng)控平臺進(jìn)行更加細(xì)致的開發(fā)和更新迭代，為客戶提供更便捷、高效、靈活、精準(zhǔn)、長期可用的風(fēng)控反欺詐方案。