Skip to content
无忌智能风险识别
解决方案

方案概述

随着信贷业务的发展,银行需要对大量数据进行实时检测和分析,以识别欺诈行为并提升风险识别准确率。无忌智能风险识别方案通过数据处理、集市搭建、数据建模等核心功能,打通银行信贷业务数据分析应用的全场景需求,为信贷业务全流程提供数据分析应用保障。通过实时检测增量业务数据并基于风险规则库进行欺诈行为的识别,无忌智能风险识别方案能够更好地评价业务发展情况并为精细化管理提供决策支持。
无忌智能风险识别方案基于原创的图计算规则引擎,引擎通过对个人信息、客户行为、交易数据、征信数据等构建的知识网络进行智能分析,以图规则的形式进行展示。通过对增量数据的规则应用,实时监控交易行为,有效识别异常行为,建立风险规则库,赋能金融机构风控场景。

业务挑战

风险评估维度单一
商业银行零售业务在传统风险管理手段下,主要依靠征信数据进行信贷风险评估,数据维度单一且存在大量征信白户难以获得正规金融服务的问题。
人工审批效率低
商业银行传统零售信贷风控主要依赖人工审批,导致时效性和准确性不如先进的算法模型。因此,银行亟需解决这一问题。
风控规则不全面
目前风控规则主要来源于个人基础信息及行为特征属性,缺少关系网络的结构特征属性。

方案架构

方案优势

风险规则自动生成,规则输入更高效
基于用户数据和业务数据,构建图数据结构,无忌智能风险识别方案通过自研的图计算引擎,自动发现欺诈行为模式,根据欺诈行为生成规则,规则具有可解释、可溯源等特点。经过实测,图计算比传统机器学习训练性能提高50倍以上,节省大量人力、时间成本,为金融机构增强反欺诈能力。
规则配置灵活,风险实时预测
经过欺诈行为分析输出的规则,将建立风险规则库来对规则进行管理,支持规则分类,创建规则集;支持规则新建、查看、修改、复制、删除;也支持将人工欺诈规则导入系统,丰富风险规则库,为后续欺诈检测提供支持。基于风险规则库,对增量业务数据进行实时检测,实时识别欺诈行为。
结合图关系特征,规则挖掘更全面
结合多个实体之间的网络关系、用户交易网络关系、用户-账户-设备网络拓扑关系等,捕捉网络结构化特征,更有利于识别欺诈团伙。