更新升級科技手段 同盾科技用AI輔助做好反詐防控

 　　“互聯網+”時代，電信詐騙結合互聯網特性衍生出一系列新型電信網絡詐騙手段，而電信網絡詐騙手段科技化、電信網絡詐騙方式多樣化以及電信網絡詐騙作案具有流動性讓相關監管部門的偵查打擊和安全防范變得更加困難。加上欺詐團伙越來越善于利用數字技術，精確識別欺詐目標并采取措施，讓攻擊變得更有針對性。對此，同盾科技安全專家及策略建模總監閱微表示，金融機構要想更好地防范相關電信詐騙，就不得不采取科技助力的方式。

 　　此前，中央印發《關于加強打擊治理電信網絡詐騙違法犯罪工作的意見》，對加強打擊電信網絡詐騙作出全面部署，提出從嚴懲處、科技支撐、源頭治理等多項原則。與此同時，多家銀行為保障客戶賬戶和資金安全，也及時落實監管規定，下調個人賬戶線上交易限額。

 　　多家銀行向媒體回應，近期電信網絡詐騙頻發，限額主要是為保障客戶賬戶和資金安全，落實監管規定，針對電信詐騙以及背后的反洗錢、資金安全問題采取的行動。

 　　過去，精準詐騙都是先獲取個人信息再定制騙術，而現在的精準詐騙，甚至不需要獲取詳細的個人信息，很多都是通過精準的網絡引流實現。

 　　面對越來越“高能”的電詐組織，銀行反詐機制的要點就是分辨真假虛實，主要是識別是人是機、是不是非本人、是不是本人異常、是不是被誘導的主觀操作，或者是信息被泄露之后的他人代操作等。

 　　閱微表示，銀行構建涉詐防控核心知識體系應該包括：便于直接匹配篩查的名單及準入評估機制，典型案件提取的強特征規則，以及針對不同場景、弱變量、弱特征的AI模型和用于團伙挖掘、溯源分析等知識圖譜。

 　　當核心體系落地時，同樣關鍵的是金融機構要具備很強的數據能力，起到料敵為先、精準施策的作用，包括情報服務、設備名單類服務、受詐易感人群評分和關聯風險分，近而使金融機構有針對性的布設名單、強特征規則、AI模型和圖譜挖掘能力等。

 　　各類反詐模型的構建也要從受害人與攻擊者雙重視角分析，主要側重賬戶側與交易側，并輔以其他數據維度識別，讓大數據建設與AI建模互補、迭代，加固風險識別能力。

 　　基于電詐的操作鏈路，閱微給銀行和金融行業建議的思路：第一步是做限量排查，實現部分交易的事中攔截，在名單和強特征篩查規則的基礎之上，通過終端安全和專家涉賭涉詐模型，對當前的風險快速地進行偵測和止付。

 　　第二步是通過對銀行的用戶行為數據進行采集、清洗、加工，實現精準涉詐類的風險畫像，并且通過相關的機器學習算法，實現對交易實時、準確的監測防控。

 　　第三步是在偵測出犯罪團伙的同時，發現與犯罪團伙相關的上下游鏈路，即借用知識圖譜完成針對上下游的順藤摸瓜。因為團伙犯罪的犯罪性質、操作鏈路、工具行為等，都高度相似。

 　　綜上，金融機構探索運用生物識別、機器學習、實時計算、知識圖譜、聯邦學習等前沿技術，與銀行具體業務場景深度融合，為銀行客戶建立涵蓋不同業務場景的風險偵測與信息共享機制，實時動態感知風險全局變化，實現“風險看得見、查得準”。

 　　同時，利用數字化手段透過復雜業務表象，搭建穿透式風險分析，并建立跨部門、跨場景的聯防聯控體系，確保“風險攔得快、管得住”。最后，通過主動防御、全面洞察、精準施策，提高洞察客戶的能力，有效降低風險發生的概率。

 　　反詐是需要社會各方力量共同參與的綜合治理工作，要實現“天下無詐”的理想，不能只期待國家的專案打擊、嚴刑峻法，而必須將網絡空間的各方主體都納入到反詐大旗之下。同盾科技在幫助客戶建立自主風控能力，提供工具賦能和知識賦能的同時，也在積極為金融機構出謀劃策，為精準打擊反詐團隊建設更牢固的防線。