1、科技赋能金融，详解中国银行科技赋能金融，详解中国银行“网御网御”智能反欺诈服务智能反欺诈服务 张燕 8 月 28 日，中国银行荣获亚洲银行家“2020 年度中国最佳人工智能应用”奖项，以表彰其通过“网御新一代事中风控系统”（以下简称“网御”）提供的智能反欺诈服务。近年来，随着数字金融蓬勃发展，日新月异的新型诈骗手段对于银行的反欺诈能力提出了更高的要求，也成为数字金融时代银行必须打造的核心能力。与传统银行采用的反欺诈风险防控措施相比，“网御”围绕事中交易监控，创新运用多项金融科技技术开展实时反欺诈工作。中行“网御”项目于 2018 年 2 月正式投入运营，主要面向线上渠道服务，综合运用大数据、云
2、计算和人工智能等先进技术，有效识别和实时处置欺诈风险事件，进一步完善了事前风险识别评估、事中风险监测预警、事后风险响应处置的全流程风险管理体系。经过两年多的持续运营，“网御”系统累计实时监测交易数十亿笔，拦截电信诈骗交易、避免客户资金损失 10 亿余元。据中国银行负责个人金融线上安全的专家介绍，近一年来中行应用机器学习技术推动反欺诈能力再上台阶，基于海量交易数据和高维度行为特征，建成了适用于高频交易场景的实时反欺诈机器学习模型，形成了一套深度融合机器学习模型和专家经验的事中风控体系。一方面，通过流计算技术和传统批量计算结合的模式，可以满足银行日常交易高并发、低延时、高精度、高可靠等要求。另一方
3、面，机器学习模型可以通过对交易行为模式进行细致刻画和全面“了解”，更加敏锐地洞察欺诈风险，及时发现新型欺诈行为，最大限度地防范欺诈行为的发生。今年 6 月，中国银行客户赵女士接到自称是某电商平台售后客服电话，对方谎称赵女士购买的商品被检验出甲醛超标，还称如果赵女士在该平台信用分达到750 分，可办理退货并进行 3 倍赔偿，提示赵女士在线借款 5000 元帮助提升信用分。随后赵女士点击了对方发来的链接，根据引导填写了手机号、银行账号、取款密码等信息。诈骗分子利用这些信息登录了赵女士的手机银行，通过电话骗取了手机验证码，试图将账户内存款转出。在资金转出前，赵女士接到了中国银行客户服务热线 9556
4、6 来电。中国银行“网御”系统实时识别出了交易异常风险，中行反欺诈专员与赵女士核实情况后及时拒绝了交易，防止了客户资金损失。事后，赵女士对中国银行及时有效的反欺诈服务表示了衷心的感谢。“我们结合用户画像、交易习惯、欺诈特点等因素，制定了几百条专家规则，在交易发生的瞬间，网御系统会将这笔交易的特征与这几百条专家规则进行比对，并作出该交易是否存在欺诈风险的判断。然后根据风险的等级对用户作出弹窗提醒、生物特征识别，甚至是人工电话确认等方式，来及时核实、警告或阻断疑似风险交易，有效保障客户资金安全。”中行安全专家告诉中国经济周刊记者，通过引入此前银行较少应用的流计算等开源技术，在每秒近1000 笔交易
5、同时发生的情况下，“网御”系统处理每笔交易的计算耗时还不到30 毫秒。也就是说，在用户还没有察觉的一瞬间，“网御”系统已经可以通过用户的行为作出判断。据中行专家介绍，在基于大数据累积下形成的专家规则之外，“网御”最大的优势在于通过人工智能的应用，形成了可以不断分析用户习惯、总结欺诈特征，进行规则补充的机器学习模型。应用机器学习模型可在降低挑战量的同时，拦截更多的欺诈交易。除此之外，该机器学习模型对新型案件也表现出了非常强的识别能力，突破了专家规则在案件识别准确率和新型案件识别上的瓶颈。这也是国内大型银行在高频实时决策场景应用机器学习模型的领先成功实践。“通过过去两年的实践，我们发现欺诈行为的变
6、化可以说是与时俱进的。每当我们识别出一类欺诈行为的特征并将其加入到专家规则中后，接下来就会发现这类欺诈行为快速消失了，但很快就会出现另一种特征的欺诈模式。”中行专家告诉中国经济周刊记者，在没有机器学习模型之前，只能在欺诈交易发生后，通过一系列的数据分析，总结出新的规则来进行识别和防范。应用机器学习模型后，“网御”可以分析识别出客户的异常交易行为，进而对新的欺诈交易模式进行报警，大幅度提升了反欺诈风控的效率和能力，对网络黑产造成了一定程度上的打击。“这不仅是中国银行应用人工智能和大数据技术推动银行数字化转型的成功实践，对银行同业和互联网金融行业也同样拥有推广价值和借鉴意义。”中行安全专家说，下阶段，在依托“网御”建设实现风控策略自动化、风险处置流程化的同时，中国银行还将进一步构建完善集事前防控、事中控制和事后分析与处置为一体的全流程风控体系，全面提升风控数字化和智能化水平，为客户持续提供安全高效的优质服務。（本文刊发于中国经济周刊2020 年第 17 期）
