背景與挑戰：

作為國內最大的商業(yè)銀行之一，該行的客戶(hù)每天使用該行的信用卡、儲蓄卡產(chǎn)生的線(xiàn)上交易筆數眾多，與此同時(shí)該行也面臨著(zhù)欺詐風(fēng)險的困擾，伴隨著(zhù)欺詐分子團伙化、欺詐形式多樣化，新的欺詐手段層出不窮等現狀，該行迫切的需要通過(guò)創(chuàng )新的技術(shù)手段，去防范整體的欺詐風(fēng)險，并且隨著(zhù)欺詐手法的變化不斷的更新迭代。

業(yè)務(wù)目標：

在外呼能力一定的情況下，使用機器學(xué)習模型相比原有的專(zhuān)家規則可以成功覆蓋更多的欺詐交易，從而提升整體的業(yè)務(wù)效率。在較高準確率的前提下，為事中阻斷交易提供可能性。

難點(diǎn)與關(guān)鍵成功因素：

現階段，該行風(fēng)險部門(mén)利用傳統專(zhuān)家規則進(jìn)行欺詐防控和風(fēng)險偵測，而持卡人的每一筆線(xiàn)上交易是否存在欺詐風(fēng)險可以利用該持卡人的歷史交易信息、當前交易信息、設備信息、地址信息等多維度的數據進(jìn)行精準刻畫(huà)，如何有效地利用海量的數據挖掘和刻畫(huà)每一筆交易背后的欺詐風(fēng)險，是本項目的難點(diǎn)與關(guān)鍵成功因素。

業(yè)務(wù)成果：

線(xiàn)上測試結果中，在同樣的48%召回率下，模型的準確率達到了83%，較原有規則提升了316%。
如果每天外呼相同數量的核實(shí)電話(huà)，模型相比原有規則可多識別58.8%的欺詐交易。

展望未來(lái)：

現階段，第四范式的反欺詐解決方案通過(guò)機器學(xué)習模型與傳統專(zhuān)家規則的結合，實(shí)現了多場(chǎng)景、全流程的風(fēng)險管控。同時(shí)，隨著(zhù)場(chǎng)景的擴充、業(yè)務(wù)策略的不斷完善，第四范式正在就智能風(fēng)控平臺進(jìn)行更加細致的開(kāi)發(fā)和更新迭代，為客戶(hù)提供更便捷、高效、靈活、精準、長(cháng)期可用的風(fēng)控反欺詐方案。