智慧金融信用卡领域的反欺诈理念和案例分享Sunny FeiIBM大中华区软件部金融业解决方案顾问总监
金融犯罪迅速上升Financial Crime Is On the Rise!A poll of 500 executives and owners of small and medium businesses showed:受调查企业曾经是欺诈的受害者58%of businesses were victims of fraud的银行无法防止犯罪所得的资金转出银行80%of banks failed to catch fraud before funds were transferred out的欺诈案件中、银行无法找回完整的犯罪所得资金87%of fraud attacks, the bank was unable to fully recover assets的受害企业将他们的资金移到其他的金融机构40%of businesses said they have moved their banking activities elsewhere只有20%的银行能够在犯罪所得转移出去前识别到欺诈的行为20%Only 20% of banks were able to identify fraud before money was transferred. “The ROI of investing in fraud prevention is clear.”Source: Ponemon Institute/Guardian Analytics study, March, 2010Page 3
欺诈行为给银行带来的损失也迅速上升Fraud activities continue to rise在美国的一项调查研究发现A study in . found:美国的机构每年因为内部欺诈造成的损失大约相当于5%的税前收入5%fraud activities cause 5% of pre-tax income for . financial institutions 的盗窃和欺诈案件中存在内外勾结现象48%of fraud cases involve insiders高级管理人员参与的欺诈案件平均损失Average loss when a high-level executive is involved$1,000,000欺诈中存在勾结行为时，欺诈损失平均增加400%400%When an insider is involved, loss increases by an average 400%Page 4
针对银行卡欺诈调查某调查机构宣布，其关于对借记卡及贷记卡欺诈的态度在全球进行的调研表明，中国有15％的受访者在最近5年中曾经是欺诈的受害者。这项调研也曾在澳大利亚、巴西、迪拜、德国、新加坡、英国和美国进行，情况表明中国人迄今遭遇到银行卡欺诈的程度处于最低之列。从国际上看，几乎20％的银行卡用户遭遇过卡欺诈的事件，在英国和美国，更高达27％。尽管如此，中国的受访者表明他们对于金融机构保护他们免遭卡欺诈损害的能力只有某种最低程度的信心。仅有6％的人对于银行能保护他们持有绝对的信心，而这次全球调研的平均数为19％。总的来看，37％的中国受访者对他们的银行处理银行卡欺诈的能力抱有很少或没有信任感，与之对比的全球调研的平均数为21％。随着信用卡应用普及程度在整个中国经济领域中提高，信用卡欺诈出现的程度也很可能上升。这次调研的结果显示，银行和其他金融机构在它们初期的用户群中正面临着潜在的信心危机，而且这会带来严重的后果。参加这次调研的中国受访者中有四分之一表示，如果他们或者他们认识的某个人成为一次欺诈的受害者，他们将改换金融机构。另有30％的人会认真地考虑这件事。接近四分之三的受访者表示，在遭受一次欺诈事件后，他们将会考虑返回到现金交易。对那些曾遭遇过银行卡欺诈的受害者们来说，该银行迅速地识别出问题的能力是使客户满意和防止摩擦出现的关键因素。总共60％的人表示，这是影响他们对银行在欺诈发生后的效能抱有何种看法的关键因素，相比之下，只有23％的人会因为他们迅速地得到赔偿而转变态度。Page 5
银行卡诈欺类型Lost/Stolen Cards:持卡人银行卡丢失，被其他人冒用，从而造成损失。Never Received: 持卡人申请后没有收到银行卡，也就是卡片在制作出来以后没有直接发到最终用户手里，而是在邮寄过程中被盗。Fraud Application : 冒充申请，也就是盗用者获得了持卡人身份信息，从而假冒持卡人身份申请信用卡。Counterfeit : 伪造，盗用者获得持卡人银行卡重要信息，伪造出同样卡片。Account Takeover : 账户盗用，这与伪造类似，但是通常是盗用者获取了操作账户信息权利，并修改了和账户相关信息。Card Not Present(E-Commerce, Mail and Telephone Order) :卡不在现场，主要体现在电子商务领域中，持卡人在网上不需要出示真是卡片就可以完成消费。Phishing : 就是盗用者通过网络上设置木马来窃取持卡人重要信息。6
挑战#1 –只能进行事后的补救Challenge #1 –Follow up instead of interceptReal-Time Automatic Precise Rules and Decisioningand ApprovalHigh Performance SystemAsynchronous Monitoring and ConfirmationOff-line Analysis and InvestigationPage 7
挑战#2 –传统的技术无法实时地、有效地处理庞大的交易数量Challenge 2 –Traditional Technology Can’t Process Large Transaction Volume中国中大型银行的实时信用卡反欺诈系统必须能处理至少每日一千万笔的交易，也就是每秒623笔(99%置信水平) 或644笔(%置信水平) 或663笔(%置信水平)Page 8
挑战#3 –只能对单一的交易进行监控Challenge 3 –Traditional Technology Only Monitor Single TransactionsMany fraud patterns involve diverse systems and 许多的欺诈是在多个不同的系seemingly unrelated 统中透过似乎是不相关的活动activities, . multiple login attempts, followed by 达成的。例如，多次企图登入a combination of changes 网银，成功登入后更改密码或in PIN and contact 地址信息，随后发生大笔资金information followed by an 的转出。unusually large withdraw or transfer. 事件通常是多个活动结合而完成的Page 9
挑战#4 –过高的误判率(False Positive Rate)Challenge #4 –False Positive Rate Too HighWhen to Act?What is Happening?事件Event Rules!What Action?Business RulesPrecise Event Rules and Business Rules Reduce False Positive RatePage 10
IBM 智慧金融犯罪管理IBM’s Smarter Way of Fighting Financial Crime感应互联洞察connectedInstrumentedInterIntelligent++IBM的强大复杂事件处理引完整的金融犯罪管理误判率的降低是金融擎提供了强大的事件侦测解决方案必定要与许犯罪管理项目成功的与关联能力、不仅仅是对多的系统互联，IBM决定性因素，IBM的交易系统，而是全面的感拥有在业界领先的应数据与行为模式统计应，包括网银、柜面、客用整合与集成平台分析软件能帮助银行服中心、自助终端等跨时制定准确的规则间维度的感应Page 11
IBM 金融犯罪管理解决方案IBM’s Smarter Way of Fighting Financial CrimeIBM金融犯罪管理Management 实时监控解决方案Console监控管理介面IBM金融犯罪管理Transactional案件管理解决方案& ChannelSystems交易与渠道系统Event Detector事件侦测器Event RulesProfile Rules事件规则属性规则Historical IBM金融犯罪管理Data统计分析解决方案历史数据Attitudinal DataInteraction DataBehavioral DataDemographic Data态度喜好交互历史行为特征个人特征Page 12
利用IBM金融犯罪管理解决方案有效地预防与管理金融犯罪案例分析师利用IBM金融犯罪管理统计分业务规则分析师利用IBM金析解决方案对现有的金融犯罪管理案例融犯罪管理实时监控解决方案例进行历史数据分案件调查员利用案将规则分为事件规则与属析、找出规则。IBM金融犯罪管理性规则，并将事件部署在服案件调查解决方案务器上。信息技术部门可能和银行监察与公安需要开发并部署新的事件侦部门协同进行案件测器与规则元件。调查。Pa
IBM 金融反欺诈实时监控方案架构IBM金融犯罪管理ManagementConsole实时监控解决方案监控管理介面现有IT业务系统Banking Existing IT SystemEvent Profile RulesRules属事件规则性规则ILOG反欺诈规则案件管理刷卡支付过滤后Payment业务事件事件及类型WBE 更改地址Change of Addr事件关联评价XML/JMSXML/JMS反欺诈网上激活Online Activation数据库卡挂失补发事Report of Lost Card评件修改密码分Change Password事件规则客户历史行为模式
网银反欺诈实时侦测系统处理流程网银事件案例管理流程交易事件W流水规则过滤W管理界面Profiles:1.时间触发2.交易流水号3.交易类型Y4.借方帐号交易账户基本5.贷方帐号客户基本信息:R1.姓名历史信息6.交易金额基于事件2.职业和行为规则3.年龄触犯的规则4.其它1.创建可以欺诈案R例2.增加客户基础评Y分客户是否处理>300信息<300N调查处理RPass账户信息客户：更新欺诈数据提交后台授R1.增加权处理1.电话2.减少2.短信Y : Yes产品3.不变-MailB : No信息R : Read
事件规则示例
事件规则实现示例
ILOG基于事件类型的基础评分客户级别基础评分交易类型基础评分登录IP不同导致的分数差异规则流z进行初步检查，根据客户信息、交易信息等判断可能的欺诈类型。z根据欺诈评分，生成可以欺诈案例，并写入数据库。
ILOG基于客户行为交易评分基于客户行为模型的评分决策表z输入事件类型触发此表时，会进行条件匹配，触发对基本分的相应修正，进行欺诈评分。
案件管理界面
项目实施团队推荐项目团队组成：业务咨询师：分析客户的业务并梳理反欺诈业务需求系统架构师：分析客户的反欺诈业务需求，定制数据仓库并导出对应的事件服务器/规则引擎需要处理的规则事件服务器(WBE)开发人员：开发WBE规则并负责前端系统的事件接入规则引擎(iLog)开发人员：开发iLog规则数据库管理员：创建/管理数据库，维护客户/帐户等数据UI开发人员：定制用户管理界面SWG现有资源支持SWG Industry Solution TeamIndustry Solution ServiceCDL/LBS
IBM 金融反欺诈统计分析方案•提供接口支持必须的数据输入，数据集能根据客户项目进行调整•提供基于最佳实践的欺诈侦测建模监控monitor捕获Capture•提供存储和管理规则库（包括专家规则和模报表和KPI已验证的数据集型）的机制并且能提供快速选择和部署规则Reports and Validated data 库的方法KPIsset•提供欺诈侦测分析来验证规则/模型的有效管理和方法性。更精确的说，能测量规则/模型的命中Management &Governance率IBM金融犯罪发布Deploy预测Predict管理应用库和版本控建立模型和专家制Repository & 统计分析规则Modeling & version control解决方案expert rulesAttitudinal DataInteraction DataBehavioral DataDemographic Data态度喜好交互历史行为特征个人特征
IBM 金融反欺诈统计分析方案-概念视图授权系统Authorization System授权请求Auth ReqWS/HTTP评分服务专家规则案件管理在线评分请求Online Scoring ServiceExpert RulesCase Scoring Req授权请求利用预测模型综合模型评分结果ManagementAuth Reqwith predictive modelcombine with model result Batch Files批量评分请求获取数据生产欺诈案件Batch ScoringGet DataGenerate Fraud1.案件调查Case ReqCaseInvestigation）2.进一步处理(标记1.持卡人信息欺诈交易/停卡）反欺诈数据集市Card holder profile欺诈数据库Further AF Data Mart2. 帐号信息FraudDBprocess(tag fraud Account profiletransaction, block 3. 信用卡信息card)Card profile
IBM 金融反欺诈统计分析方案-系统视图模型和规则授权系统SPSS Collaboration SPSS Decision 实时/批量服务请求Model & RulesReal-time WS call / Authorization Mand Deployment anagementBatchSystemService预测模型Depends Predictive onModel欺诈案件生产Modeler Modeler ClientFraud Case ServerGenerationInsert案件管理欺诈数据库建模样本数据Case ManagementFraud DBSample Data
反欺诈预测模型数据集¾静态数据Static Data9a. 客户信息Customer Profile9b. 帐号信息Account Profile9c. 卡信息Card Profile¾动态数据Dynamic Data9a. 客户行为变化。例如超过500的交易数量、记账周期的交易量等Customer behavior changes. For example: # of transaction over 500, amount payment of previous billing cycle...9b. 典型的欺诈交易特征。例如：距离前一交易的时间，过去3小时的总金额等Typical fraud transaction characteristics. For example: elapsed time since last transaction, total amount during last three hours...¾在欺诈侦测中，动态数据比静态数据更加重要
建模和关键发现models and key findings•三种模型被认为是适合的模型：BN（Bayesian Network ），NN（神经网络）和•Three models were identified as the best-fit model: BN, NN and •重要结论Key Conclusion:1.由于能描绘预测变量之间的关系，神经网络模型最适合欺诈侦测-Neural network model is best fit for fraud detection because it can depict the relationship between predictive 能生成规则并帮助客户理解他们的数据和欺诈案件的关系 can generate rules and help customer understand their data and fraud .建议使用神经网络模型作为运行的预测模型（也可以混合各种模型综合评分），使用作为分析模型来帮助客户理解业务-Use Neural network as a run-time predictive model, and use as an analysis model help customer under their business
IBM 金融反欺诈统计分析方案部署场景Business RequirementExisting DataMethodology: CRISP-DMSkill Set: Data MiningPredictive Tools: ModelerModel StreamSkill Set: Business Action: domain knowledge, 1. Create Anti-fraud Rule expertFraud Model predictive modelTools: Decision Fraud ManagerAction: Specialist2. Reveal underlying Management1. Create business fraud patternrules based on expert experience Skill Set: J2EE, and model result Reports on Fraud AccuracyUnix …2. Analysis and Tools: C&DS, monitor WAS, Data rule executionWarehouse …Integration Decision System(authorization, Management case management … )StreamAction: model & rule based IT Specialiststream to existing other roles
ThaiHindiTraditional ChineseGraciasRussianSpanishThank You成就客戶创新English为要ObrigaBrazilian PortugueseArabicDankeGermandoGrazieSimplified ChineseItalianMerci诚信负French责JapaneseKoreanTamil广发银行新一代电子银行项目|广发银行与IBM保密28
