在当今的金融环境中，反欺诈已成为银行业的重中之重。 如何有效防范和应对各种复杂的欺诈行为，建立健全的反欺诈机制，是每家银行必须面对和解决的问题。 近日，同盾科技携手某国有银行，共同打造了一套账户级反欺诈动态管控体系，以科技的力量助力银行业提升风险防控能力，保障客户资产安全。
据了解，管控系统是以银行现有客户账户资金交易数据为基础，基于安全授权环境，开发智能反欺诈AI模型及非柜台限额动态管控所需的各种模型，完成智能反欺诈AI风控和动态限值管控的系统构建。
近年来，同盾科技通过多个银行AI反欺诈项目，对账户分类和风险管理系统进行了深入的探索和研究，形成了成熟的标准体系方案，可为银行企业账户和私人账户风险监控、评级和控制系统的整体架构规划提供具体的运营建议。 在这个项目中，同盾科技为国有银行规划了明确的项目规划，包括7个部分：
一是做好账户类型分类。 通盾科技提出将账户子类型分为新开户、存量账户休眠账户、少量交易变更账户和活跃账户四类，并针对不同类型设计差异化管控策略，实现精准的账户限额控制。
二是设置账户风险评级，基于银行客户账户、司法信息、全渠道行为、交易信息等基本属性信息，基于规则和模型，实现跨渠道、跨场景、全流程、立体化的多层次评级体系，准确有效地实现账户风险评级，对应不同账户类型和特征的分类， 包括各种风险评级模型和动态决策流程，例如新开户、现有账户和正在进行的交易。
三是构建客户价值量化评价模型，通过线下模型测算客户在银行的活动、贡献、消费、财务习的价值评价，开展风险维度的双矩阵决策，支撑客户账户适配的限额控制机制构建。
四是建立账户动态限额测控，账户限额的具体金额和金额增加不仅取决于单一风险识别的准确性，还需要结合价值维度，通过账户的历史消费行为习，并结合期间前后的价值增长比例作为系数， 根据实际交易账户所需金额进行计算，给出合理的限额建议和控制措施。
五是梳理客户账户风险画像标签体系，包括静态标签、动态标签、案例细化标签、设备标签和银行自有模型结果标签。 一方面，要明确标签的定义，保证标签的一致性和准确性根据业务需求和风控目标，对重要标签进行筛选和分类。 另一方面，要为每个标签赋值并确定每个标签的权重，可以根据历史数据和业务经验确定权重，也可以通过机器学习和习等方法进行优化。
六是评估监测指标及效果，首先是额度控制的结果，以及对银行业务和交易改善的贡献指标，如电子渠道的签约率、配额控制导致的交易干扰率、客户投诉率等结果指标二是风控情况，评估受风控影响的业务指标，如在线财务限额控制涉及的账户数量、交易数量、客户占比、变化趋势等。 三是控制策略效果，对风险管理策略和模型效应指标进行评价，如风险识别的准确性、公安案件的召回率等趋势。
七是做好系统功能需求规划，实现监控指标可视化，建立全局视野，全面了解全行及分行的风险态势和风控，随时支持调整决策同时建立各渠道管控视图，提供全行及分行风险态势及风控态势概览，随时支持决策。 同时覆盖客户、账户、渠道等风险画像，实现业务发展态势和风险态势分析。
通盾科技凭借先进的技术和丰富的经验，成功帮助某国有银行构建了账户级反欺诈动态管控体系。 这不仅大大提高了银行的风险防控能力，也为客户提供了更安全、更可靠的金融服务。 相信未来，通盾科技将继续与各金融机构深度合作，以科技的力量推动金融业安全发展，让每一笔交易都充满信任和安心。