先锋案例榜：新质科创案例
案例名称
手机银行反欺诈机器学习模型与信识模型项目
案例简介
当前电信诈骗形势日益严峻，华夏银行积极探索反欺诈系统提升方案，通过手机银行反欺诈机器学习模型和信识模型研究项目，充分应用大数据和人工智能技术进行创新，构建信识和风控两套体系，两套体系协同运转，多种模型综合运用，对交易分类分级管理并采取差异化的策略和风险控制措施，实现对信识交易简化验证，对风险交易采取管控手段，最终达到风险防范与客户体验的动态平衡。本项目实现了安全服务模式创新，推动了科技创新与数智化发展，助力提升银行业务的安全性、客户体验和服务效率，符合现代化产业体系对于提高生产效率、提升服务质量的要求。为银行业通过科技创新实现风控和体验平衡管理、促进数智化发展提供了有益的参考和启示。
创新技术/模式应用
一、安全服务模式创新
本项目构建了信识和风控两套体系，两套体系协同运转，实现对信识交易简化验证，对风险交易采取管控手段，最终达到风险防范与客户体验的动态平衡，实现安全服务模式创新，推动了科技创新与数智化发展。
二、技术创新
本项目充分应用大数据和人工智能技术进行创新。反欺诈机器学习模型利用自然语言处理（NLP）领域的实体识别技术对样本打标，显著提升了打标效率，利用词频-逆文档频率（TF-IDF）算法挖掘欺诈特征，丰富了模型的数据维度；信识模型基于用户历史长期行为与近期行为数据构建用户画像，深入理解用户的行为特征和偏好，再利用机器学习算法辅助创建层次分析模型，进一步提升了信识模型在复杂决策过程中的分析能力和准确性。
1．用户画像
数据收集：包括用户信息、登录数据、交易数据、绑定设备信息、涉诈类名单数据等。
数据分析：选取多个观察点，统计不同时间窗口下用户行为的变化，确认数据的时间范围与客群范围。统计用户交易记录，提取分析行为习惯。
加工用户画像：聚合统计用户交易行为、交易关键要素等，构建用户画像。
画像应用：分析正常用户与诈骗犯行为模式的区别，为模型提供特征/标签支持。
2．NLP的实体识别技术
使用NLP的实体识别技术辅助交易数据打标，增强数据处理能力，提高反欺诈机器学习模型的准确性和效率。一是可自动化解析交易备注等非结构化文本数据，提取关键信息和情感倾向，为识别潜在欺诈行为提供线索；二是能校准和修正已有的打标数据，通过分析发现并纠正错误，提高数据质量。
3．NLP的TF-IDF技术
使用NLP的TF-IDF技术进行数据特征工程，提取和构造更有针对性的数据特征，结合适当的特征选择和降维技术，提高模型对欺诈行为的识别能力。
4．与机器学习结合的层次分析技术
构建信识模型采用了与机器学习结合的层次分析技术。将机器学习模型训练得到的因子权重系数做为层次分析的基础权重系数，并结合测试数据表现和专家经验对模型权重系数进行微调，提高信识模型准确性和效率。
项目效果评估
本项目构建的反欺诈机器学习模型和信识模型已完成基于历史数据的效果验证，验证结果表明模型表现良好，具有很好的应用价值。
一、模型表现良好
反欺诈机器学习模型的AUC（Area Under the Curve）为0.93，KS（Kolmogorov-Smirnov）统计量为0.728。模型整体表现良好，表明反欺诈机器学习模型在区分欺诈与非欺诈交易方面具有较高的准确性，它将在风险防控方面发挥重要作用。
信识模型的AUC为0.82，KS统计量为0.56，模型整体表现良好。信识模型为规则模型，主要用于简化验证提升体验，仅对欺诈风险等级为低风险/无风险且信识等级为中信识/高信识的信识交易简化验证。根据历史数据表现，可为45%以上的交易降级验证，极大提升客户使用体验。
二、模型应用的价值
1．增强欺诈交易识别能力。反欺诈机器学习模型采用了机器学习算法和大数据分析技术，其在识别欺诈交易的准确性方面表现良好，能够减少反欺诈系统错判和漏判的情况发生，能更有效地保护客户资金安全。
2．提升用户体验。信识模型的开发应用，可简化正常客户信识交易的验证方式，提升客户的使用体验和满意度。
3．风险防控管理更精细。通过综合分析交易行为、历史记录和客户信息等，模型能够更准确地判断欺诈角色是疑似受害人还是疑似诈骗犯，从而采取更为合适的应对措施。
4．增强可扩展及适应性能力。该模型具备较优的可扩展能力，反欺诈系统预留了多个接口，这些接口既可以使模型与外部数据源和算法库进行连接，也能使模型接收和整合来自不同渠道的数据，如黑名单、模型权重系数等，以让模型适应不同的新型欺诈手段，最终提高模型的准确性。
本项目通过对大数据和人工智能技术的创新性应用，实现对信识交易简化验证，对风险交易采取管控手段，最终达到风险防范与客户体验的动态平衡，实现安全服务模式创新，助力提升银行业务的安全性、客户体验和服务效率，符合现代化产业体系对于提高生产效率、提升服务质量的要求，推动了科技创新与数智化发展，为经济社会高质量稳健发展保驾护航。
项目牵头人
赵草梓 华夏银行个人业务部兼财富管理与私人银行部总经理
项目团队成员
宁冰、盛菲、王骁锋、鲁怀昊、钟萃芳、王久君、周振华、冯青霞、覃辉、冯骁、张书豪、关宇航、刘慧萍
征集简介
“第七届（2024）数字金融创新案例征集”由中国电子银行网、数字金融联合宣传年主办，以“金融服务人民”为主题，历时3个月，经过案例展示与人气排行、群众喜爱的数字金融案例网络投票、专家评审与路演活动等环节，“2024数字金融创新 先锋案例榜”已于近期隆重揭晓！
七年来，案例征集活动的品牌积淀以及行业价值持续提升，多家上市银行将入榜情况写入年报，活动多项关键词权重位列搜索引擎头部，来自业界的一线实践者与资深专业人士每年“慧聚”于此，探讨创新范式，前瞻产业趋势，拥抱中国式现代化新机遇！
（责编：方杰）
原创回顾
温馨提示
星标一下再走呗
