解密！银行如何通过金融科技判断信用卡套现用户？

近年来，推动数字化转型日益成为商业银行发展的重要驱动力。在数字化的浪潮下，人工智能、大数据、云计算、知识图谱等科技正快速向金融领域渗透，银行业正面临前所未有的革新机遇。金融和科技的碰撞不仅可以为金融机构创造出更高的服务效率和更多样化的服务场景，同时也将面临着更加隐蔽和专业的欺诈风险。因此对金融机构的风险管控来说，在当前银行业数字化建设进程中，银行必须把握金融科技发展的重要契机，借助金融科技提高风控能力和效率，在金融风控环节推进数字化智慧银行建设的进程。

银行信用卡反套现面临严峻挑战

信用卡发卡量大、涉及总金额巨大。根据中国人民银行统计，截至2021年一季度末，信用卡发卡量共计6.12亿张，人均持有信用卡0.44张;信用卡授信总额为13万亿元，平均每张卡授信额度2.15万元。随着信用卡产业迅速发展，信用卡套现这一违法行为也层出不穷，手段多样、隐蔽，呈现团体化、产业化发展趋势。

2021年外部形势依旧严峻，个别套现频发区域的套现客户数量占全部信用卡客户的近2%，各级监管机构对于信用卡资金流入房市、投资理财及套现等违规交易风险持续高度关注。房地产领域风险仍然处于不断上升期，在金融市场乱象整治大背景下，受债市违约、股市下跌、P2P平台爆雷等其他金融领域风险暴露影响，或助长利用信用卡套现、投资等违规交易。当前，套现手法日趋平台化、专业化，主要表现为从线下向线上快速迁移、大商户接入模式使得违规行为更加隐蔽、多种衍生风险交织并存。

由此可见，信用卡套现行为已经越来越严重地扰乱金融秩序，影响金融市场的稳定运行。尤其在经济波动、消费经济萎靡的格局下，套现行为可能会造成经济泡沫，影响资金分配。用于投机的套现会提高金融市场杠杆，加大金融市场风险波动。对金融机构来说，套现行为不仅影响金融机构审慎经营，也不利于金融机构保障持卡人合法权益，且使商户承担法律及信誉风险，严重阻碍信用卡产业健康发展。因此银行面临的信用卡反套现问题成为银行风控中的重要场景，而图数据库技术在这一场景下可以发挥天然的优势，为银行信用卡反套现提供强有力的科技支撑。

图数据库助力银行风控升级

随着新兴技术的不断发展和完善，科技与金融的结合日益成熟，这也为金融机构的风险侦测提供了一些新思路。

1.传统侦测技术

传统银行业套现行为侦测效率有限，在信用卡风控领域以基于流计算的规则策略和有监督机器学习模型为主要侦测方式。而基于流计算的规则策略主要依赖于专家经验，规则策略多针对于单一、特定的产品或场景，难以在其他场景下复用，片面、单一化的规则设置也使规则体系复杂而冗余，不利于进一步闭环迭代，侦测周期长、效率较低。从参数提取的角度来看，大量历史数据未能充分利用，致使其泛化能力较差且上线后效果衰减快；从数据角度来看，对“黑样本”数据的积累也有限，即确认的套现线索与案例有限。同时，数据孤岛的存在也使模型的精准和性能打了折扣，导致有监督学习模型在反套现场景很难开展。

2.图数据库技术侦测原理

面对当前银行业反欺诈的难题，图算法和半监督学习算法的应用为反欺诈建模提供了新思路。图谱由大量的节点与边搭建构成，风险事件可以通过节点与边在图谱中传导，图算法与半监督学习算法的结合，可以利用少量欺诈节点标签，结合图的关系结构信息，推断其他节点实体的欺诈概率。因此，在银行套现行为侦测场景中，可以运用图数据库技术，结合相应的业务规则，建立基于套现交易行为的风险传导图模型，通过图算法分析套现图谱中的关键节点、路径，从而帮助银行有效规避套现风险，提高银行业体系化智能反欺诈风控能力，助力银行业数字化转型。

多部图又称作多分图，是图论中的一种特殊模型。若存在多个两两互不相交的子集(A1…An)和无向边集合E，则多部图G可表示成。多部图模型则是建立在多部图的基础上，探求其节点间特定行为关联关系的模型。在业界，多部图技术在反洗钱反欺诈风控领域已取得不俗效果。

现结合套现行为模式和多部图原理构建多部图模型，构建流程如图1所示，首先构建以信用卡端、商户端及回流账户端为三个顶点集的无向图模型，再围绕业务经验，通过确立侦测特征，主要包括以下两种特征。

图1多部图模型构建流程

第一，套现行为产生了高额的信用卡资金流动的密集子图。

第二，POS机商户的结算账户作为信用卡和个人账户之间的桥梁，信用卡交易资金量与转出资金量差异不大。

根据以上两种特征定义度量交易流水异常的目标函数，目标函数如下。

再运用改进的贪心算法，求解最优化该目标函数，从多部图中寻找欺诈子图。对于算法得到的嫌疑子图，可以通过分析内部关联性、外部关联性和商户的可疑性三方面，最终评估其风险程度。

3.图数据库技术应用效果

应用上述多部图模型，分析一段时间内的商户信用卡交易流水以及转账数据，包括200万张信用卡、40万个商户、600万个资金账户，该模型成功侦测到80个团伙案例，近200张嫌疑卡和60多家嫌疑商户。

例如图2所示的套现团伙侦测，当犯罪团伙通过多张信用卡交叉转账的方式避开了现有监测体系时，通过上述多部图模型得到的套现嫌疑子图可以侦测出这种套现模式。客户A与其关系紧密的客户C在某商户消费共计10万元，商户将资金转给客户B，同时客户B也在该改商户消费5万元，商户将资金转给客户A或客户C。

图2套现团伙侦测

4.多部图技术在银行反套现中的应用优势

多部图技术在银行套现行为侦测中具有天然的应用优势，主要体现在以下方面。

能够体现出套现行为的本质特征。多部图模型能够简化信用卡交易网络，使得信用卡套现交易行为的关键节点和关系边显露出来，进而能够有效抓住套现的本质特征，高效侦测使用多张信用卡和多家商户进行套现的复杂套现模式。

构造反套现相关图谱，挖掘套现团伙隐性关系。在多部图技术用于银行反套现场景的研究和实践中，构造了客户、账户、商户等主要实体，收集了反套现相关的典型、特定业务下的案例事件，从信用卡端、商户端及回流账户端等三个顶点集触发进行深度挖掘，完成了资金流向与归集的闭环链路挖掘与规则提炼，实现了信用卡端、商户端隐性关系的计算和展示，从而发现了新的团伙套现模式。

利用图形化、可视化技术，实现套现团体之间的关系展现。图谱技术充分利用了图平台可视化功能，结合反套现业务规律，能够高效、精准地进入反套现的分析、提炼和预测。在探索和实践研究中，能够使套现行为中的隐性关系变得一目了然，将套现模式一查到底，推进反套现体系的智能数字化建设进程。

金融科技助力智慧银行建设的展望

图技术依据其特性，在银行业反套现场景中恰如其分地发挥了天然优势，为支撑信用卡风险管理模式创新及防控金融风险奠定智慧基础，有效提升了银行对客户群体性风险防控的意愿、能力、时效和成效。但图技术在银行业中的应用却不仅限于此。图技术的应用能够避免银行业数据化进程中重要的信息孤岛问题，打破数据隔离，是为银行发挥数据价值奠定良好基础的优良手段。当前图技术在金融领域的应用还处于初级阶段，但发展潜力大，未来有希望能够在智能风控、智能反欺诈、智能营销、智能搜索可视化等领域得到更为广泛和深入的应用，助力智慧银行建设，帮助银行迈入金融科技创新最前沿。

（本文作者就职于中国建设银行上海大数据智慧中心）

来源：金融电子化