随着互联网金融的快速发展，不仅交易方式逐渐从线下向线上延伸，支付手段也在快速创新，这在丰富了金融交易场景、促进了社会消费的同时，也给交易反欺诈引入了巨大的复杂度，如果无法精准识别并封堵交易欺诈行为，将给金融安全带来负面影响，并且带来合规性危机。基于大数据、人工智能等技术的深度研发与整合，顶象技术的交易反欺诈解决方案能够帮助金融机构实现实时的交易反欺诈，防止高风险交易的发生。

交易欺诈的“前世今生”

对于金融机构来说，交易反欺诈是一个难以被绕过的话题，典型的交易欺诈行为包括：以假冒他人身份来进行的贷款、开户、洗钱、信用卡提额提现为代表的电信诈骗类欺诈；利用高科技手段复制他人银行卡、信用卡进行的盗刷、伪卡提现；攻击银行APP等客户端，以冒充正常的用户进行金融交易；机构内部违规带来的虚假开户、虚假交易等。

这些交易欺诈行为有一个共同的特点，那就是通过伪造真实用户的身份来绕过交易反欺诈系统的核查，从而违规获得资金。对于金融机构来说，较大规模的交易欺诈行为会导致业务系统混乱以及资金被挪用，甚至会导致不良贷款率的提升。在金融监管部门强调要控制金融欺诈现象、防止信用卡违规提现等行为的背景下，泛滥的金融欺诈还可能导致金融机构陷入难以预料的合规化风险。

面对不断进化的交易欺诈威胁，为保障业务的正常开展，满足合规性要求，金融机构需要建立完善的风险管控体系，以及实时鉴别异常交易行为，并阻断欺诈型交易。传统的金融风控系统往往采用基于数据库技术的金融风控系统，并率先应用到信用卡欺诈这一应用场景中。但是，由于数据库技术在处理能力等方面的制约，这一解决方案在如今金融欺诈行为复杂化，免密快捷支付、二维码支付等金融交易手段不断创新的背景下，难以应对交易反欺诈的需求，亟需进行升级。

黑产阴影下的反欺诈

要建立有效的金融反欺诈系统，能够在海量的交易数据中“大海捞针”，发现潜藏的交易欺诈行为并不容易，这在很大程度上是因为肆虐的金融黑灰产业已经呈现出组织化、专业化的趋势，并且打造了规模庞大的交易欺诈产业链，在用户信息窃取、交易数据伪造、违规交易组织等方面都有着精密的链条，甚至还出现了跨区域、跨领域交易欺诈协同，这让判断一笔交易是否属于欺诈交易变得更为困难。

在一个典型的信用卡欺诈案例中，不法分子往往会在地下黑色市场批量购买大量的用户信息，这些信息往往通过撞库、内部人员盗取、线下信息搜集等方式获得，包括用户身份证复印件、姓名等个人信息。在获得这些信息之后，不法分子会指示员工编造学历、单位等信息向各个银行提交申请，骗领信用卡。一旦骗取成功，不法分子还会利用POS机进行贷款套现。这种有组织的大规模交易诈骗行为，对于金融机构的风控系统带来了严峻挑战。

值得注意的是，由于金融交易行为存在着丰厚的获利空间，因此黑产会不断寻找金融交易系统的漏洞，以绕过风控规则通过金融机构的审核，黑灰产的这种强对抗使工具类防护失效。特别是互联网金融打破了交易的空间限制，大量交易行为都是通过网络完成的，传统的线下审核流程适用度大大降低，在特定环境下可能会导致交易欺诈的激化，影响交易业务的正常开展和用户权益。

交易反欺诈向实时决策进化

早期，金融机构的交易反欺诈主要是交易后的风险管理，在发现风险之后再采取措施来降低损失、追查责任，这在交易规模较小、线上交易场景不多的情况下，尚能满足交易反欺诈的要求。

随着金融黑产的壮大以及交易场景的复杂化，事后的交易反欺诈已经无法满足需求。现在，成规模的黑产组织可以在短时间内就能发起数千乃至数万笔欺诈的交易请求，产生的违规交易数量可能会达到亿元的量级，如果还是采用事后的交易反欺诈，这些损失将很难避免。

因此，实时对于交易请求进行审核与判断，并在交易没有达成之前就快速阻断欺诈交易，成为交易反欺诈系统的必然要求。这不仅要求交易反欺诈系统有一套快速处理、快速反应的分析系统，还需要有一套敏捷的应对系统，能够在发生异常交易之后及时通过电话核实、柜台核实等方面进行处理。

顶象技术金融行业总监朱烨指出，要建立一套高效的实时交易反欺诈系统，需要一套软硬件高效适配的解决方案，能够高速处理海量的交易信息并识别异常的交易。另外，还需要建立事中的交易监控系统，对于交易习惯、交易特征、交易环节、交易元素及客户端环境进行多维度的核查，并实时反馈，以便对于高风险交易行为进行进一步核实与处理。

顶象技术的交易反欺诈解决方案提供了基于大数据与人工智能技术的实时决策解决方案，结合顶象领先的智能建模平台、设备指纹技术以及黑灰产风险数据产品，帮助客户快速建立实时反欺诈体系。

顶象实时决策实现毫秒级交易反欺诈

在线上支付应用场景中，顶象实时决策系统可以通过转账设备、出入账关联信息、历史记录、操作时间、地域、金额特征等给出可信度评分，并快速识别来自各类风险IP、终端黑名单、高危地、伪造设备、高危时间段的交易，以及客户操作地址与跨行业多维度黑产数据间的关联线索，以识别异常交易行为。

在线下收单应用中，解决方案能够基于刷卡时间、频次、金额、笔数，返回失败的可疑编码，交易商户聚集特征，以及商户下贷记卡交易的时间、频次、金额等组合特征来进行欺诈行为识别，高效识别盗刷行为、套现欺诈、伪卡欺诈、商户欺诈等各种交易欺诈行为。

值得一提的是，该解决方案采用了行业领先流式处理技术，上百条复杂规则可在平均20毫秒内完成，实现真正的实时事中风控，在交易的过程中，可以实时地对交易进行监控，排查异常交易数据，给后续的审核处理留足充裕的时间，降低欺诈业务风险。