案例 | 同盾科技助某商业银行构建智能风控中台

在金融科技加持和客户体验创新的共同驱动下，数字化转型已成为银行业共识，加上新冠疫情倒逼，促使银行基于线上化、数字化、场景化、生态化的发展模式更加清晰。

近年来，某商业银行业务发展进入全新的移动互联化经营模式，其金融服务突破时空限制，融于各类场景之中，为客户提供便捷、无处不在的金融服务。在中国银行业协会发布的“2020年中国银行业100强”榜单中，该行位列前20强。在“十四五”开局之年，该行更明确了数据驱动、科技引领等数字化转型愿景。

在该行业务互联网化和新型互联网金融模式快速发展的同时，由于其机构庞大、层级复杂，逐渐形成了纵横交错的矩阵式IT系统，不同业务系统、业务场景之间的风控系统，在一定程度上存在数据不通、数据标准不统一、特征应用局限、预警信息不能共享且无法复用等问题。

随着前端业务从销售型向服务型转变，各种高并发、大数据量、低延时、需要强一致性和横向扩展能力的业务场景越来越多，同时在强监管与统一风控的形势下，如何构建风险的三道防线，对该行风控的服务和运营能力要求也越来越高。与此同时，近年来该行面临的互联网欺诈手段也越来越多种多样，业务反欺诈需求急剧上升。

为此，该行引入同盾科技人工智能、大数据等技术解决方案，构建了多层次、全局化的智能风控中台安全防御体系。

同盾智能风控中台旨在帮助该行建立全行级的风险解决方案，完善覆盖事前、事中、事后的交易风险识别与管控能力，实现统一、全面的风险监控及反欺诈决策体系：

智能风控中台体系架构

同盾智能风控中台应用人工智能、生物识别、机器学习等前沿科技，并提供专业化应对策略，帮助行方建立完善了端到端的风控闭环。

首先，同盾为行方交付建设了内外部一体化的数据生态体系，实现集中化数据采集及整合，并引入专业化数据咨询服务，针对数据体系、标签体系进行迭代建设。在此基础上打造出风险标签体系、特征库、风险集市和全行级的客户风险画像。

同时，同盾利用分布式微服务及AI技术的实时处理能力，引入指标平台、知识图谱等技术，建立实时风险管理视图，结合决策体系、机器学习平台及模型管理平台，实现指标特征的智能化加工与处理，使得各渠道可共享名单、标签、预警信息以及内外部联防联控。

最后，在整个预警和决策的过程中实现数据的不断积累，以及模型策略的不断优化升级。

项目从启动以来，该行与同盾在数据采集技术、软件接口开发、联调测试、监控流程、网络架构、硬件部署、业务咨询诊断、业务评估、规则策略制定、体系规划、模型训练、性能调优等方面多次论证，周密计划，有序推进。

项目开创性地实现了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、信用卡、直销银行等）、线下(POS消费、ATM/CRS取现等）、交易金融（转账、支付、网贷申请等）及非金融交易（注册、登录等）等业务场景，并跨业务边界进行数据整合，打破业务壁垒，横向识别业务风险，设置动态安全策略模块，并实现了高风险交易的实时拦截。

项目整合全渠道、多口径联防联控处置措施，设计多元化策略处置矩阵，预警信号可以智能化实时处置，并进行跨条线跨部门告警及调查处理结果的信息共享，实现包括预警队列灵活配置、可疑事件及案件的自动化分配、一键管控等欺诈识别应用，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。

项目实现了对该行线上渠道，如直销银行、网银、手机银行、信用卡的金融交易风险识别及风险覆盖，年度侦测及账户止损金额近2亿元，平台整体运行平稳。

随着经验的不断积累，风险规则的不断调优以及系统的持续完善，预计风险交易的侦测率将继续提升30%以上，且随着业务接入范围及场景的不断延展，每年将对超过5万笔欺诈交易进行识别和阻断，并将持续提升风险监控精度，降低误报率，提升零售金融的反欺诈能力。

后续，项目将在知识图谱、客户画像等方面，持续加强研究与应用，运用客户行为习惯特征以及时间序列特征，更深层次挖掘出有益于风险防控的数据价值信息，进一步提升欺诈识别的侦测率、准确性。

同盾协助该行建设的智能风控中台项目，不仅支撑该行各类交易欺诈行为的监测、识别、处理、记录和统计，更可以作为银行加强信息安全的主要部分，既协助行方全方位遏制各类欺诈犯罪，为客户创造了良好的服务环境，又满足了金融监管部门对银行建立完善渠道交易监控体系的相关要求。同时，智能风控中台也能通过系统挖掘出市场支付变化趋势、客户偏好、风险趋势、资金变化趋势、账户消费习惯等多种有益银行业务拓展的深层次、有价值的数据信息，为业务拓展及风险经营提供更好的决策依据。

同盾科技认为，随着大数据、AI机器学习、自然语言处理、知识图谱等技术的发展，以及算法、数据、硬件处理能力的不断提升，金融风控已全面进入智能化阶段。作为高阶智能风控决策体系，同盾智能风控中台解决方案在现有风控决策引擎上融入流计算平台、实时预警、迁移学习、图谱分析、可视化科学计算、自然语言处理平台等，有助于银行提升决策引擎的算力和处理时效。

随着技术的革新，未来的风控决策系统，会向着功能更加丰富，性能更加优良的全渠道、全场景、全时段风控实时智能决策系统演进。