借端欺詐是一個主要的銀行風險來源,也是銀行反欺詐的重點聚焦領域,但對傳統銀行來說,往往采用的是一些傳統的反欺詐手段,無論在效率、有效性、全面性以及成本上都是銀行的短板,尤其隨著互聯網金融的興起,非現場交易的增多,更是加劇了銀行的風險防控的難度。
本方案從銀行反欺詐的脆弱點著手,通過機器收集了大量異構、多樣化的信息,包括可交叉驗證信息主體所提供的信息以及第三方信息來源的真實性,通過對數據的采集和分析,再通過機器學習及復雜網絡等創新的模型算法技術,對數據進行深度挖掘,發現欺詐者的隱藏的蛛絲馬跡,分析其數據的矛盾點和可疑點,從而識別欺詐者身份,加上與傳統經驗規則配合使用,大幅提升銀行欺詐風險的防控能力。