摘? 要：為改善傳統(tǒng)反欺詐機(jī)制在運(yùn)行中存在的問題，引入大數(shù)據(jù)分析技術(shù)，研究銀行卡反欺詐機(jī)制建設(shè)方法。綜合我國銀行卡發(fā)行現(xiàn)狀，建立銀行卡反欺詐機(jī)制理論框架;使用大數(shù)據(jù)分析技術(shù)，對銀行業(yè)欺詐風(fēng)險進(jìn)行預(yù)測與定位，根據(jù)交易過程的特征值確定銀行卡欺詐行為發(fā)生的范圍，從而得到欺詐風(fēng)險數(shù)據(jù)集合，以此激活銀行卡反欺詐機(jī)制隱藏層功能，實現(xiàn)對金融市場欺詐行為的有效遏制。設(shè)計對比實驗，驗證提出的反欺詐機(jī)制具有良好的適用性。

關(guān)鍵詞：大數(shù)據(jù)分析;銀行卡;反欺詐機(jī)制

Abstract：In order to improve the problems existing in the operation of the traditional anti-fraud mechanism，the big data analysis technology is introduced to study the construction method of the anti-fraud mechanism of the bank card. Synthesizing the present situation of bank card issuance in China，establishing the theoretical framework of bank card anti-fraud mechanism，using big data analysis technology to predict and locate the risk of banking fraud，and determining the scope of bank card fraud according to the characteristic value of transaction process. In this way，a collection of fraud risk data is obtained，which activates the hidden layer function of the bank card anti-fraud mechanism and realizes effective containment of fraud in the financial market. Design contrast experiments to verify that the proposed anti-fraud mechanism has good applicability.

Keywords：big data analysis;bank card;anti-fraud mechanism

0? 引? 言

銀行卡是互聯(lián)網(wǎng)時代背景下衍生的金融服務(wù)工具，既是我國銀行服務(wù)進(jìn)步的表現(xiàn)，也是市場經(jīng)濟(jì)發(fā)展的代表性成果，公民使用銀行卡不僅可實現(xiàn)交易過程的無現(xiàn)金支付，同時也減少了支票在市場的流通，在真正意義上做到了對銀行傳統(tǒng)服務(wù)業(yè)務(wù)的突破。盡管銀行卡的誕生為金融產(chǎn)業(yè)的發(fā)展提供了新的方向，但與此同時它為行業(yè)帶來的風(fēng)險也是不容忽視的[1]。通過對金融市場調(diào)研發(fā)現(xiàn)銀行卡欺詐具有手段多樣性、行為隱蔽性、涉及范圍廣等特點。例如，江蘇蘇寧銀行所提供的銀行卡，該銀行卡具備的信用透支或貸款功能使公民辦理業(yè)務(wù)面臨信用風(fēng)險，同時也有一些詐騙人員利用公民的僥幸心理，為其提供非正規(guī)渠道的貸款或金融服務(wù)。因此，銀行卡業(yè)務(wù)的建設(shè)，不僅要面臨傳統(tǒng)金融產(chǎn)業(yè)發(fā)展的風(fēng)險，也需要妥善地對欺詐風(fēng)險進(jìn)行規(guī)避。根據(jù)金融市場統(tǒng)計的相關(guān)數(shù)據(jù)顯示，截至2016年，電信網(wǎng)絡(luò)詐騙造成經(jīng)濟(jì)損失222億元，并以20%～30%的年增長速度迅速滋生蔓延[2]。因此，本文將引入大數(shù)據(jù)分析技術(shù)，融合當(dāng)下金融產(chǎn)業(yè)的發(fā)展現(xiàn)狀，開展銀行卡反欺詐機(jī)制建立措施的相關(guān)研究，保障公民享有金融服務(wù)的同時，提高公民銀行卡資金安全，提高金融市場的可持續(xù)安全建設(shè)能力。

近年來，伴隨移動互聯(lián)網(wǎng)技術(shù)的崛起，為客戶帶來便捷的移動支付、線上理財?shù)冉鹑诜?wù)，但也面臨著如虛假渠道流量、虛假客戶裂變、虛假信貸風(fēng)險等一系列欺詐類風(fēng)險，讓金融機(jī)構(gòu)反欺詐成本日益增長。作為一家科技型數(shù)字化銀行，蘇寧銀行依托金融科技和場景金融優(yōu)勢，根據(jù)目前金融業(yè)的發(fā)展，構(gòu)建反欺詐風(fēng)控平臺，開展銀行卡反欺詐機(jī)制相關(guān)研究，以保障公民享受金融服務(wù)，提高銀行卡資金安全性。增強(qiáng)金融市場的可持續(xù)安全性。

1? 銀行卡欺詐風(fēng)險的特點

1.1? 欺詐手段具有多樣性特點

隨著金融產(chǎn)業(yè)建設(shè)工作的不斷推進(jìn)，銀行卡欺詐的形式與手段也不斷翻新，但這些欺詐行為的出現(xiàn)均是由于銀行風(fēng)險管理部門對欺詐行為防范意識不強(qiáng)所導(dǎo)致的。

同時，也存在一些銀行內(nèi)部影響因素導(dǎo)致其發(fā)展出現(xiàn)風(fēng)險，例如，防欺詐政策建設(shè)不完善、執(zhí)法環(huán)境不嚴(yán)謹(jǐn)?shù)萚3]。這些原因均為誘發(fā)銀行卡欺詐行為的重要因素。并且隨著科學(xué)技術(shù)的不斷進(jìn)步，高科技欺詐手段也屢屢翻新，因此，當(dāng)下金融市場面臨的銀行卡欺詐風(fēng)險遠(yuǎn)比往年嚴(yán)峻。

1.2? 欺詐行為隱蔽性強(qiáng)

目前，我國對于銀行卡欺詐事件突發(fā)性行為的管理與監(jiān)控能力仍較差，而利用銀行卡進(jìn)行詐騙，通常為大金額隱匿行為。主要由于我國當(dāng)下發(fā)行的銀行卡產(chǎn)品在程序設(shè)計與后期管理維護(hù)中存在漏洞，這些漏洞被犯罪分子發(fā)現(xiàn)，并以此為切入點，實施犯罪行為[4]。一旦銀行卡的金融行蹤被泄漏，極易造成全地區(qū)，甚至全市的金融發(fā)展陷入癱瘓。

同時在研究中發(fā)現(xiàn)，我國目前大部分大型銀行卡欺詐案件均為犯罪分子經(jīng)過長期精心準(zhǔn)備與設(shè)計實施的，欺詐的過程不僅可在互聯(lián)網(wǎng)空間實施，也可在隱蔽性較強(qiáng)的范圍內(nèi)完成。因此部分金融惡意轉(zhuǎn)賬行為與常規(guī)金融轉(zhuǎn)賬行為無顯著差異，也不會影響區(qū)域金融系統(tǒng)的正常運(yùn)行。從市場宏觀經(jīng)濟(jì)角度分析，這種事件對銀行發(fā)展帶來損失是巨大的。

1.3? 欺詐風(fēng)險涉及范圍廣

由于銀行卡的使用依賴于互聯(lián)網(wǎng)，尤其是ATM、POS機(jī)等設(shè)備在金融市場的廣泛應(yīng)用，徹底打破了傳統(tǒng)現(xiàn)金交易的局限性，但與此同時銀行卡欺詐行為的“入口”也隨之拓寬。正因如此，不法分子在實施銀行卡欺詐行為過程中，可直接使用互聯(lián)網(wǎng)操作的方式，將金融轉(zhuǎn)賬在瞬間完成[5]。當(dāng)持卡人或有關(guān)單位接收到告警信號時，往往轉(zhuǎn)賬行為已發(fā)生較長時間，這種現(xiàn)象不僅會給市場經(jīng)濟(jì)建設(shè)帶來巨大損失，同時造成的現(xiàn)金流失帶來的問題也是極其嚴(yán)重的。

2? 銀行卡反欺詐機(jī)制理論框架

為了解決銀行卡欺詐問題，降低金融產(chǎn)業(yè)在經(jīng)濟(jì)市場的發(fā)展風(fēng)險，本文將綜合我國銀行卡發(fā)行與建設(shè)現(xiàn)狀，提出銀行卡反欺詐機(jī)制理論框架，如圖1所示。

按照圖1中提出的反欺詐機(jī)制建設(shè)理念與建設(shè)目標(biāo)，構(gòu)建完善的反欺詐法律制度，并在法律允許的范圍內(nèi)，對于銀行卡產(chǎn)品的治理進(jìn)行全面的安排，實現(xiàn)非營利組織與市場民營企業(yè)之間的廣泛合作，做到低成本高效率的反欺詐工作執(zhí)行。

3? 基于大數(shù)據(jù)分析技術(shù)的銀行卡反欺詐機(jī)制建設(shè)方法

3.1? 基于大數(shù)據(jù)技術(shù)預(yù)測并定位銀行業(yè)欺詐風(fēng)險

本文根據(jù)金融產(chǎn)業(yè)在經(jīng)濟(jì)市場的發(fā)展特點，以產(chǎn)業(yè)的變化趨勢為核心，在保證其可持續(xù)發(fā)展的背景下，引入大數(shù)據(jù)分析技術(shù)，從銀行業(yè)欺詐發(fā)生風(fēng)險類型和風(fēng)險特征兩個層面上，預(yù)測并定位銀行業(yè)欺詐風(fēng)險。

根據(jù)銀行的交易數(shù)據(jù)，采用將特征數(shù)據(jù)量化處理的方式，對銀行業(yè)欺詐風(fēng)險進(jìn)行預(yù)測[6]。將銀行庫中存儲的多項變量作為預(yù)測風(fēng)險的初始化觀測值，并將這些變量數(shù)值進(jìn)行聚合處理，得到聚類風(fēng)險統(tǒng)計區(qū)間。變量包括銀行卡轉(zhuǎn)賬交易數(shù)據(jù)、銀行卡卡號、持卡人信息等，假設(shè)當(dāng)前獲取的銀行卡數(shù)據(jù)集合中共有m個異常數(shù)據(jù)值，結(jié)合大數(shù)據(jù)技術(shù)，采用SPSS 2.0進(jìn)行預(yù)測計算[7]，此過程需要對數(shù)據(jù)集合中所有涉及的m個異常數(shù)據(jù)值進(jìn)行分析，并將數(shù)據(jù)值與庫內(nèi)資源特征進(jìn)行對應(yīng)。同時，對每項風(fēng)險特征值進(jìn)行量化處理，將其進(jìn)行輸入至微量模型中，使用K-means算法對數(shù)據(jù)與特征進(jìn)行聚合，具體流程圖如圖2所示。

假定風(fēng)險變量為具備所有顯著特征，可采用對具體某個欺詐風(fēng)險進(jìn)行預(yù)測的方式，對所有銀行卡欺詐案例的進(jìn)程列表進(jìn)行合并，從而使數(shù)據(jù)以譜系圖的形式進(jìn)行輸出。將各個預(yù)測風(fēng)險按照不同的特征值進(jìn)行分類，對銀行業(yè)欺詐風(fēng)險進(jìn)行預(yù)測與定位的過程可利用以下公式表達(dá)：

其中，δ（l）為金融市場多維度詐騙風(fēng)險，l的取值范圍為l=1，2，…，n;p（a）為風(fēng)險指標(biāo)的聚合處理過程;p（l）為潛在欺詐風(fēng)險發(fā)生行為;p（m+χn）為相關(guān)欺詐行為的數(shù)據(jù)特征。對輸出的結(jié)果進(jìn)行解讀，合并相關(guān)性大的欺詐風(fēng)險數(shù)據(jù)屬性，根據(jù)特征值確定銀行卡欺詐行為可能發(fā)生的范圍，從而得到原始數(shù)據(jù)集合中的欺詐風(fēng)險數(shù)據(jù)集合。

3.2? 激活銀行卡反欺詐機(jī)制隱藏層功能

在掌握金融市場銀行卡欺詐風(fēng)險的基礎(chǔ)上，應(yīng)結(jié)合反欺詐模型，持續(xù)對市場現(xiàn)有黑、白名單內(nèi)容進(jìn)行檢索。并在此基礎(chǔ)上，深入挖掘信用度較高的用戶，將其從市場黑名單拉入白名單，適當(dāng)放行此部分人員的銀行卡交易行為，從而避免過多的數(shù)據(jù)對反欺詐機(jī)制的運(yùn)行造成過大壓力。

例如，當(dāng)金融市場完成一筆交易行為后，可綜合市場金融產(chǎn)業(yè)的建設(shè)現(xiàn)狀，對欺詐行為進(jìn)行分級。若評定得分低于平均閾值，則可被市場視為正常交易行為，若評定得分高于平均閾值，則可被市場視為非正常交易行為，存在銀行卡欺詐行為[8]。此時，將自動啟動機(jī)制內(nèi)隱藏的預(yù)警行為，封鎖此部分交易的資金，凍結(jié)銀行卡賬戶資金，持續(xù)追蹤此用戶ID的交易行為，從而做到對欺詐行為的抵制。

此外，對于銀行卡反欺詐機(jī)制認(rèn)定的有風(fēng)險交易行為，金融系統(tǒng)將自動凍結(jié)持卡人或交易設(shè)備的繼續(xù)操作行為，并持續(xù)對交易業(yè)務(wù)進(jìn)行人工復(fù)核檢查。例如，根據(jù)銀行卡發(fā)行時用戶留下的聯(lián)系方式，自動撥打用戶電話，確定交易是否為本人持卡完成。通過審核后此行為操作將被列入正常交易序列，操作行為可持續(xù)完成，假定審核不通過，則此行為將被欺詐機(jī)制收錄，并認(rèn)定此行為屬于欺詐交易，操作平臺將自動終結(jié)此次交易行為。通過預(yù)測和定位銀行欺詐風(fēng)險，挖掘銀行卡反欺詐機(jī)制的隱藏功能，有效遏制金融市場欺詐。

4? 對比實驗

本文嘗試采用設(shè)計對比實驗的方式，對所提出的基于大數(shù)據(jù)分析的銀行卡反欺詐機(jī)制建設(shè)方法進(jìn)行檢驗。實驗樣本采集：實驗選擇金融市場內(nèi)某銀行作為實驗場所，該銀行交易業(yè)務(wù)量較大，實際工作中銀行卡欺詐交易所占的比例較低，但是為了提高實驗對比效果，在實驗樣本數(shù)據(jù)采集時擴(kuò)大了銀行卡欺詐交易的占比，最終采集的樣本數(shù)據(jù)中，銀行卡正常交易為2 500條，銀行卡欺詐交易為500條，實驗樣本共3 000條數(shù)據(jù)。實驗中將所有樣本數(shù)據(jù)打亂，分六次分析，每次分析樣本數(shù)量為500條，預(yù)測樣本數(shù)據(jù)存在的銀行卡欺詐風(fēng)險，預(yù)測時間設(shè)置為30 min，利用式（1）計算出每條實驗樣本欺詐風(fēng)險值，根據(jù)預(yù)測結(jié)果執(zhí)行相應(yīng)的反欺詐策略，將其與實際值對比，確定每次實驗兩種銀行卡反欺詐機(jī)制的準(zhǔn)確率，準(zhǔn)確率值等于正確預(yù)測的銀行卡交易數(shù)量除以總交易數(shù)量，將其作為實驗結(jié)果，對兩種銀行卡反欺詐機(jī)制對比分析，實驗結(jié)果如表1所示。

從表1可以得出，本文設(shè)計的銀行卡反欺詐機(jī)制準(zhǔn)確率基本可以控制在95.00%以上，最高可達(dá)99.75%，而傳統(tǒng)機(jī)制準(zhǔn)確率最高僅為76.48%，遠(yuǎn)遠(yuǎn)低于設(shè)計機(jī)制，證明基于大數(shù)據(jù)分析的銀行卡反欺詐機(jī)制具有良好的適用性。

5? 結(jié)? 論

為了改善當(dāng)下金融市場發(fā)展現(xiàn)狀，通過分析銀行卡欺詐行為的特點，開展了基于大數(shù)據(jù)分析的銀行卡反欺詐機(jī)制建設(shè)研究，并采用設(shè)計對比實驗的方式，對本文設(shè)計的反欺詐機(jī)制建設(shè)方法進(jìn)行檢驗，從而證明本文設(shè)計的方法在實際應(yīng)用中具備更大的應(yīng)用空間。總體來說，在互聯(lián)網(wǎng)日漸發(fā)達(dá)的當(dāng)下，無論是大數(shù)據(jù)技術(shù)或者是云端數(shù)據(jù)分析技術(shù)，均可對市場金融風(fēng)險進(jìn)行有效的判斷。因此在后期的相關(guān)發(fā)展中，有關(guān)單位可聯(lián)合省級保障機(jī)構(gòu)，采用搭建詐騙數(shù)據(jù)共享平臺的方式，將更多的詐騙案例融合在一起分析，統(tǒng)計當(dāng)下市場數(shù)據(jù)，制定更為完善的反欺詐合作方案，從而推進(jìn)我國金融產(chǎn)業(yè)的健康發(fā)展。

參考文獻(xiàn)：

[1] 曹漢平，張曉晶，祝睿杰，等.數(shù)字金融時代 機(jī)器學(xué)習(xí)模型在實時反欺詐中的應(yīng)用與實踐 [J].智能科學(xué)與技術(shù)學(xué)報，2019，1（4）：342-351.

[2] 李金浩.筑欺詐風(fēng)險防火墻，護(hù)客戶資金安全——工商銀行企業(yè)級反欺詐管理平臺建設(shè)成果 [J].中國金融電腦，2020（1）：30-32.

[3] 金鈺，朱鋆，賈黃林.以機(jī)器學(xué)習(xí)平臺為基石 打造反欺詐業(yè)務(wù)360°防護(hù)罩——興業(yè)銀行風(fēng)控決策一體化平臺解決方案 [J].中國金融電腦，2019（12）：44-48.

[4] 賀娟，肖小勇，譚偲鳳，等.大數(shù)據(jù)背景下的農(nóng)險反欺詐檢測：國際經(jīng)驗與技術(shù)選擇 [J].保險研究，2019（7）：53-66.

[5] 陽義南，肖建華.醫(yī)療保險基金欺詐騙保及反欺詐研究 [J].北京航空航天大學(xué)學(xué)報（社會科學(xué)版），2019，32（2）：41-51.

[6] 尹莊.醫(yī)?；鹩行ПO(jiān)管的機(jī)制創(chuàng)新——以鎮(zhèn)江市醫(yī)保反欺詐“亮劍”行動為例 [J].衛(wèi)生經(jīng)濟(jì)研究，2019，36（4）：25-27.

[7] 陸斯星.情報引領(lǐng)反欺詐 雙劍合璧建奇功——交通銀行信用卡中心協(xié)助警方破獲特大境外機(jī)竊取銀行卡信息案 [J].中國信用卡，2019（2）：38-39.

[8] 常遠(yuǎn)，席雅芬，王虹，等.關(guān)于數(shù)字身份（SIMCTID）應(yīng)用在金融反欺詐領(lǐng)域的可行性分析 [J].中國新通信，2018，20（23）：120.

作者簡介：施志暉（1980—），男，漢族，江蘇建湖人，高級工程師，碩士，研究方向：金融科技、互聯(lián)網(wǎng)金融。