栏目编辑：梁春丽E-mail:********************
一、引言
随着AI机器学习、自然语言处理、知识图谱等技术的不断发展，以及算法、数据、硬件处理能力的持续提升，金融风控已逐步进入智能化阶段。国内外先进技术的系统设计不仅具备模块化、参数化和标准化特性，而且建设后的系统具备规范性、先进性、前瞻性、安全性、高效性、实用性、可靠性、灵活性、扩展性等优点。在更高阶的智能风控决策系统里，融入流计算技术、机器学习、图谱分析、自然语言处理、生物识别技术等，可以提升现有决策引擎的算力水平并提高处理时效。随着技术的革新，未来的风控决策系统会向着更智能、更完善、更高效的全渠道、全场景、全时段风控实时智能决策系统演进。 广发银行多次认证网络架构、数据采集、接口开发、监控流程、规则策略制定、模型训练、性能调优等方面的内容，按照规划经过一年多的有序建设，搭建了集大数据、AI技术为一体的稳定、动态的风险侦测体系，为业务提供多维度的风险分析决策，有效识别交易风险，实现对业务交易风险的智能排查、实时预警、实时阻断。风控平台根据预设的风控规则权重、模型评分对用户的每一笔交易进行风险得分判定，并反馈每次交易行为的风险得分以及风险评估结果，工作人员可以结合风险评估结果进行有效的风险控制。 细胞核染
依托大数据技术，广发银行打造了一套集业务交易灵活接入、风险智能处置、智能决策平台、模型平台、数字化管理平台等功能于一体的智能风控平台，形成了全场景识别体系、全路径实时布控体系、全方位策略体系和全流程运营体系。通过风控整体规划，广发银行建立了各部门共同参与、广泛合作的反欺诈
基于大数据AI技术的智能实时风控体系
■ 广发银行“大数据智能实时风控体系”课题研究小组
摘 要：银行的金融服务融入各类线上线下场景，同时黑产的欺诈场景和手段亦层出不穷。银行为确保客户资金账户安全，急需利用人工智能和大数据技术，提升对用户的精准刻画能力，构建多层次的实时、智能安全防御体系。基于此，广发银行启动了大数据零售智能风控平台项目的建设。风控平台在技术上采用大数据分布式处理架构及流计算技术，确保指标计算和统计引擎、规则决策引擎等核心处理模块高效运行。平台通过使用AI强化学习、聚合排序等多种算法，深入挖掘客户习惯，构建客户画像。平台同时还对风险特征进行多维度分析，结合高维特征的机器学习模型，智能识别欺诈风险，实现对风险交易的有效干预和拦截。
丝网除沫器安装关键词：大数据；AI；实时；智能风控
课题组组长：王 立；课题组副组长：王泽坤，杨海龙；课题组成员：马英杰，肖俊祥，周溢林，程世军，王文金，黄剑文，曹端良，刘海鹏，邹何人杰，金 奕。
栏目编辑：梁春丽E-mail:********************
协同工作机制，完善了各业务产品的反欺诈措施，建立跨业务产品的欺诈风险联防联控机制，风控平台整体功能架构如图1所示。
二、项目的技术分析
（一）主要技术原理
智能风控作为面向客户的跨渠道、跨产品、全流程的全行级的风控平台，实现了事前的客户准入控制、事中的交易预警和拦截、事后的批量侦测及风险分析。通过终端风险识别能力、指标平台、智能决策等功能实现多层次、全场景的智能风控。
终端风险识别主要是通过设备指纹等技术采集设备硬件、环境、网络等非敏感信息，为每一台设备生
产唯一ID。除此之外，还能识别设备异常环境，生成设备风险标签，标记该设备潜在的欺诈风险，供分析决策使用。同时，采用了防破解、防调试、防重放等多种安全手段，动态、持续地与欺诈行为进行对抗。
有效的风险防控得益于数据，把数据快速汇集起来，是应对欺诈行为的第一步。指标平台创新应用流式计算、大数据、人工智能技术、设备指纹技术、行为特征学习等技术，实现对实时、批量交易数据的萃取、存储和计算，统一标准和口径，实现数据资产业务化，满足不同时效、不同场景的服务需求和策略模型需求，为实现决策引擎的决策效果提供了重要的支撑。
智能决策层是各种数据、规则和模型汇总计算的中心。风控平台支持规则策略的灵活配置和模型的实时部署，并且实现规则策略的实时修改及实时生效。在设计上，规则决策引擎与指标计算模块互相独立，规则引擎可以并行运行大量的复杂规则。规则决策引擎通过采集到的实时交易数据、相关的基础数据以及其他内外部数据，从异常交易、风险标签、名单库、关键信息识别等多维度对银行客户的交易数据和行为数据进行分析，通过设定相关名单、规则、策略和模型，对交易过程中存在的风险交易进行筛选、识别、预警和阻断，并实现毫秒级实时风险决策，全方位保护客户资金和信息安全。
广发银行在构建风控体系的同时，使其与行内其他系统对接，实现与流程银行、客服系统等外围渠道的实时联动，对高中风险交易进行预警，对客户进行智能化实时核实，降低交易风险，提升风险应急处理效率，及时核实疑似风险交易，从而保障客户及金融
图1 风控平台整体功能架构
栏目编辑：梁春丽E-mail:********************
数据进行预处理计算。
android电视
4. 采用基于时间窗口可移动的动态数据分布处理技术，实现专家规则毫秒级的决策计算。该技术基于实时流式大数据处理技术，支持海量历史数据指标回溯，提高指标的灵活度和时效性，实现对风险交易的实时拦截。
（三）创新点
1. 构建全局智能风控决策中心，实现梯次防御的智能风控。风控平台构建事前客户准入控制、事中交易预警和拦截、事后批量侦测及风险分析的梯次防御体系，通过整合行内外名单数据、设备环境数据、实时交易数据及客户行为数据，实现跨渠道、跨业务的用户行为追踪，并最终通过决策引擎，结合风控策略和模型，综合评估用户行为风险，进行不同的风险处置，实现全局的智能风控决策。
通过风控运营，对交易数据进行分析挖掘，对案件进行风险特征提取，使各业务环节场景在信息与决策的互动中实现数据的不断积累补全和模型策略的不断优化升级，形成自我完善的反欺诈生态圈，如图2所示。
2. 首创零售条线全渠道接入、全场景覆盖、全闭环管理的智能风控解决方案。本项目实现全行级各业务渠道的风险识别与预警，并且覆盖线上（手机、网银、直销银行、发现精彩等）、线下（POS消费、ATM/CRS 取现等）、交易金融（转账、网贷申请等）及非金融交易
机构的资金安全。
（二）关键技术
1. 采用流式计算处理技术。使用流式计算处理行为特征指标数据、实时交易流水数据、指标变量，数据即时处理、实时计算、缓存计算、时效高，有效降低了处理延时。
2. 采用分布式微服务架构。每个服务可以独立部署，支持负载均衡部署模式，服务扩展灵活，可伸缩性强，可靠性高。
3. 共享内存技术、多线程技术、缓冲池技术及数据预处理技术，极大地提高了系统的稳定性及性能。分布式技术和历史数据转储方式极大地提升了分析效率和数据访问效率。
（1）共享内存技术：使用多级共享内存技术，采用分布式部署方式，既能保证数据读取速度又确保数据同步共享。
（2）多线程技术：采用多线程技术，充分利用硬件服务器系统多CPU多核的技术资源，成倍提高系统分析效率和分析吞吐能力，极大提高了实时响应能力，通过异步转储的方式实现数据持久化。
（3）缓冲池技术：采用缓冲池技术，降低通信、数据库访问等建立连接的性能开销，同时通过容错机制确保缓冲池稳定。
（4）数据预处理技术：为了提高系统的分析性能，对分析数据进行分类，通过数据前置平台事先对
图2 梯次防御的智能风控
栏目编辑：梁春丽E-mail:********************
（注册、登录等）的业务场景，实现跨业务边界数据整合，打破业务壁垒，横向识别业务风险，设置动态安全策略模块并对高风险交易采取实时拦截措施。该项目采用遗传算法对特征阈值进行评估，减少欺诈交易的漏报和误报。在业务流程设计上，实现了规则阈值评估、专家规则设参、训练、灰度发布、上线运行、24小时风险核查及风险处置的全流程、全闭环管理。
3. 策略体系智能化管理，建立风险指标与特征体系。通过策略中心建立强大的智能风控规则管理板块，采用可视化管理方式，风控策略可随时调整并及时生效，极大地缩短调整时长，减少开发成本。结合卡账客风险视图，整合内外数据、关联关系，构建以卡账客为中心的风险指标与特征体系，同时对各维度进行风险预测能力分析和预警规则设计。此外，还考虑到了体系风险指标与特征体系的层级和分类，并保证指标可扩展性、预测性和可操作性。
4. 利用大数据技术，基于正态分布算法的客户行为习惯预测，实现对客户行为的深入洞察。大数据平台整合了全行全量客户数据、交易流水、外部数据等，加工上千个客户标签，以海量客户行为数据为基础，通过学习大量的客户交易历史数据，刻画出客户的完整交易行为画像，实现对客户行为的深入洞察。反欺诈业务经验结合实时流计算技术，将业务经验与技术优势相融合，打造实时、精准、智能的实时交易反欺诈引擎。同时，引入正态分布、聚合排序及6σ误差校验的客户行为习惯自学习算法，能够自主地从多个维度对客户交易习惯进行学习，获得客户多维度习惯特征，从而对专家规则库进行了有效补充，实现对行为习惯的动态监测，并基于历史交易行为对客户进行差异化的风险识别，提高专家规则实时分析的效率和准确率。
5. 构建多维度反欺诈AI风控模型，实现主动防御和及时拦截。以欺诈场景的特点为依托，实现风险等级划分及精细化管控，大幅提升风险防御的深度，弥补反欺诈策略滞后、识别精度低、易被攻击等不足。利用机器学习算法组合多维弱特征，使欺诈识别更精准。建立多维度风控模型组合，整合全渠道
交易数据和多维特征，建立场景化的风控模型，有效提升风险交易决策能力，并预测风险发生趋势，实现主动防御和拦截。
6. 提升多渠道多级管控工具的联动能力。整合全渠道、多口径联防联控处置措施，设计多元化策略处置矩阵，进行智能化预警信号的实时处置，实现跨条线、跨部门预警及调查处理结果的信息共享，包括预警队列灵活配置、可疑事件及案件自动化分配、一键管控等行业领先的欺诈识别应用，规避了多平台、跨系统的繁琐操作，提升案件核查及风险处理的运营效率。
三、项目的效果
面对千变万化的欺诈手段、风险案件，传统的风险核查方法已经无法满足时效强和业务高并发量的需求。大数据智能风控项目在零售金融板块横跨多个业务渠道，在金融、非金融交易中实现实时与准实时的多维度风险评价，支持多种方式的风险拦防与交易核验。
升华仪基于统一的身份认证体系及灵活的权限配置功能，广发银行建立了各部门共同参与、协同工作的反欺诈平台。该平台横跨零售银行、网络金融、零售信贷、信用卡等多个前台业务部门，以及合规和运营管理等多个中台部门，为总行提供风险管理及决策手段。目前，风控系统已覆盖广发银行最主要的线上线下环节，如注册、登录、转账、现金分期、消费、取现、理财、贷款等交易，共涉及7个总行业务部门、13个渠道近70多个金融及非金融交接场景，日均监控交易量720多万笔，实现了跨渠道、跨
防水袋业务、毫秒级的实时交易风险决策；同时，通过大数据平台，广发银行整合基础数据、交易数据以及行内外的名单数据，实现跨渠道风险信息的共享。通过场景、技术、数据的有机结合，实现全业务场景的实时智能风控。
风控平台通过对各类风险的有效识别，实时采取
对羊毛党大量抢兑营销活动资源的情况，及时拦截异常交易，稳定金融秩序、守护金融业务活动的正常开展，有效保护了消费者权益。2020年，智能风控平台累计对广发银行26.1亿笔交易提供实时有效防护，共拦截线上渠道可疑注册、登录交易21.8万笔，拦截风险转账交易2.5万笔，提供信贷预警交易1.96万笔。
四、结语
风控体系的建设不仅仅是为了满足监管的要求，出隐藏在数字背后的事物本质和价值。每天上千万笔交易量、千亿的指标计算量，要在最快的时间内计算模型的结果，反馈精准的结果，并且在整个过程中保持系统的绝对稳定，以满足PB级数据处理能力，实现交易风险防控的目标。
智能风控平台目前已在广发银行各业务部门全面推广使用，支撑、助力广发银行业务快速、安全发展，守护客户资金、交易安全，维护广发银行信用声誉，得到业务部门的肯定与信赖。FTT
《金融科技时代》版权声明
本刊被《中国核心期刊（遴选数据库）》、中国学术期刊（光盘版）、《中文科技期刊数据库》（维普网）、中国知网（CNKI）系列数据库、万方数据数字化期刊等相关数据库和媒体收录，并许可其以数字化方式复制、汇编、发行、信息网络传播本刊全文。如作者不同意文章被收录，请在来稿时向本刊声明，本刊将作适当处理。
作者向本刊投稿，应保证所投稿为原创，未侵犯他人著作权或其他权利，所引用的图表等受著作权保护的材料均已获得权利人许可；保证所投稿件的整体或主要部分未被其他期刊采用，并且从未正式出版；保证所投稿件一经本刊刊发，其版权将不再转让或许可给第三方使用。作者向本刊投稿的行为，即视为同意本刊编辑部上述声明。
手动甘蔗榨汁机金融科技时代杂志社
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议