伴随着金融业务规模的快速扩张和新兴业务的大量涌现，不法分子的欺诈手段也趋向多样化、高科技化，金融机构面临的风险也越来越多。以银行为例，目前至少要面对以下欺诈风险：

　　以假冒贷款、假冒公检法、假冒开户、洗钱欺诈、非法集资、信用卡欺诈等形式为代表的电信诈骗类欺诈；利用高科技手段复制他人银行卡、信用卡进行的盗刷、伪卡提现；针对银行APP等客户端进行木马、键盘钩子、SQL注入、截屏录屏等攻击，以冒充用户进行金融交易；机构内部违规带来的虚假开户、虚假交易、虚存虚贷等。

　　面对形形色色的欺诈威胁，为保障业务的正常开展和用户权益，满足监管机构的要求，银行等机构需要建立完善的风险管理体系，以及时、实时鉴别异常交易行为，并阻断欺诈型交易。但在海量的交易中迅速发现异常交易宛如大海捞针，因此搭建一个反欺诈系统就变得必不可少。而通过机器学习和数据挖掘技术进行人工智能分析，让反欺诈系统炼就一双“火眼金睛”，可以识别出隐藏在海量交易中极小概率的欺诈交易。例如：

　　某张主要在苏杭地区刷卡消费的银行卡突然在西南地区完成一笔接近单次限额的交易，并在20分钟后又发起一笔接近单次限额的交易。在反欺诈系统提示该笔疑似伪卡盗刷交易后，银行临时阻断交易并电话联系持卡人进行核实，后经持卡人确认系盗刷；

　　某手机银行账户发起一笔转账交易，银行反欺诈系统发现该账户虽然不在黑灰名单中，但登陆该账户的手机曾有过登陆他人账户盗刷的记录（系统分析“设备指纹”，即手机串码等设备值得出的结论），银行随即中断该笔交易。后经电话核实，账户所有者当时并未进行转账操作，系有人窃取密码后登陆。

反欺诈系统识别“设备指纹”

　　以上两笔欺诈交易都是被部署在银行的中国金融认证中心（CFCA）交易监控及反欺诈系统“捕获”的。CFCA吸取国内外先进的反欺诈技术经验，以欺诈特征、用户行为习惯、名单知识库、案件库等作为主要的反欺诈理论依据建立欺诈风险模型，防范当前各类多发、频发的欺诈风险。例如通过创新的生物探针技术，反欺诈数据库积累客户鼠标、键盘点击频率、密码输入速度、按键力度、按压力度、按压面积等行为习惯并形成模型，可以使反欺诈系统快速识别、阻止非本人操作的交易。

　　而通过对案件案例的研究，CFCA反欺诈系统建立起欺诈特征库。例如同一设备突然在短时间发生多笔、小金额，且不符合交易日累计资金及笔数习惯的交易，即可判定为疑似支付诈骗类交易；当交易出现试探形态时，即短时间内发生多笔金额从小到大的交易，则可视为疑似分散洗钱类交易。在发生这些反常行为后，银行即可根据预设的方式进行处理，如报警、人工干预等。

CFCA反欺诈系统实时统计图表

　　CFCA交易监控及反欺诈系统在多家银行上线以来，运行稳定，达到了智能实时、高效易用的效果，有效降低了金融风险。例如系统在某商业银行上线至今，日均分析处理各渠道交易笔数2000万笔，监控范围包括网银、手机银行、ATM、POS等渠道的共39个业务类型的数据，已累计监测风险交易30万多笔。除银行外，支付机构、互联网金融平台亦可通过反欺诈系统建立黑灰白用户名单、全面监控交易行为，减少用户账户被盗造成的盗刷，降低坏账率及防范洗钱、虚假交易等不法行为。

　　如果您希望了解反欺诈系统的更多信息，请致电400-880-9888或登录www.cfca.com.cn查询。

责任编辑：韩希宇