[发明专利]一种银行交易反欺诈方法及系统、设备和存储介质

说明书

本发明提供一种银行交易反欺诈方法，包括：1、客户发起交易；2、对交易进行安全检查；3、计算出该交易的RAIB分数，将RAIB分数与风险等级匹配，并将风险等级与风险门限值进行比较；4、将该交易进行分类，并判断该交易所在的分类器是否存在欺诈风险，若不存在，则返回交易无欺诈风险的结果给银行电子渠道，否则该交易被判定为可疑交易；5、客服通过呼叫中心对质疑的问题向客户进行电话确认，并反馈确认结果；6、验证确认结果，并将验证结果返回给银行电子渠道，如果验证结果为客户没有通过质疑，则该交易被拒绝执行且账号被冻结；否则交易继续执行。本发明还提供一种银行交易反欺诈系统、设备和存储介质，避免银行交易被欺诈。

技术领域

本发明涉及数据处理技术、金融风控领域技术和交易反欺诈方法，尤其涉及一种银行交易反欺诈方法及系统、设备和存储介质。

背景技术

随着信息科技和银行业的快速发展，大部分的现代商业依赖于电子银行业务和无现金支付系统。通过提供电子银行服务，传统金融机构可降低成本、优化客户服务、留住客户和扩大市场份额。电子银行比如电话银行、网上银行和手机银行，给人们的日常生活提供了极大的便利。而安全，是电子银行的主要问题之一。使用电子银行的客户担心有人会非法获取他们的账号并盗取资金。中国的电子银行欺诈事件近年来快速增长，根据《2017年电话欺诈情况分析报告》，2017年29.17％的电话欺诈事件发生在金融领域，造成了915亿元损失。福建农信每天有180万笔交易通过电子银行渠道，而多达5千笔属于欺诈交易。电子银行欺诈风险主要包括低金额大交易量、交易追踪困难等。如何有效地管理和控制电子银行欺诈风险，已经成为监管者必须重视、银行必须面对的一个重要问题。

对欺诈风险监测的研究主要从两个方面进行：一、在客户端，主要关注电子银行终端的身份和安全性；二、在银行端，主要关注评分规则专家系统和数据驱动模型机器学习系统。评分规则基于专业知识，因此易受新型欺诈方式的影响。数据驱动模型基于机器学习分类器，通常用于处理不平衡和大数据量的问题。为了解决以上问题，本发明设计了一种基于规则评分和大数据预测的银行交易反欺诈方法和系统。

反欺诈是金融交易很重要的一部分，随着普惠金融的不断发展，交易反欺诈在金融机构工作中将越来越重要。当前交易反欺诈在面对多维度的各个用户属性、依赖传统人工经验的规则库安全性与可用性、大量当前实时交易数据等方面，尚存在着对现有数据的依赖、规则库难以保持其鲁棒性、检测困难、风险确认等级与实际不一致等问题。此外，交易反欺诈误报率的居高不下造成资源和成本的大量损耗，影响交易判定的时效性和准确性，降低了客户体验，进而给金融机构带来负面声誉。

目前，针对交易反欺诈的处理一般是对当前的大量实时交易信息进行分析，通过一系列的交易行为模型和数据模型，获得局部的简单风险信息，缺少对用户信息、身份验证方式等多维度各个属性的考虑，只依赖于当前实时交易数据，只能获取局部的简单风险信息，无法构建和预测完整的风险行为发生，影响交易判定的时效性和准确性，引发一系列的风险。

公开号为108305166A，公布日为2018-07-20的发明专利《一种面向金融领域的反交易欺诈方法》，公布了一种面向金融领域的反交易欺诈方法，包括收集各渠道实时交易数据，利用事先编辑好的欺诈规则对实时交易进行欺诈规则匹配，按最终汇总信息的不同输出结果进行不同的业务逻辑处理，从而利用大数据挖掘及分析，监督欺诈行为，助力金融智能决策。

公开号为107103479A，公布日为2017-08-29的发明专利《金融交易实时反欺诈系统》，公布了一种金融交易实时反欺诈系统方法，包括情报交换平台、情报分析平台、情报应用处置平台，实现了对第三方情报数据的整合及存储，并通过处理获得风险参照数据集，通过实时交易分析数据与风险参照数据集的匹配，确定匹配结果，以供用户接收或查询，从而辅助降低银行业务系统整体风险。