招商银行深圳分行云镜项目

参赛单位：招商银行股份有限公司深圳分行

案例名称：招商银行深圳分行云镜项目

案例简介：

国内金融业首创将半监督机器学习技术应用于预测银行卡犯罪，颠覆传统的事后风控模式，控制措施向事前转移。实现了在银行卡开卡阶段（未发生洗钱交易前），基于客户开户、网银操作等行为，利用半监督图聚类和AI机器学习技术，提前预警银行卡倒卖团伙和账户，人机协作防范银行卡犯罪，提升风险防控效率、降低银行合规风险。

创新技术/模式应用：

1.AI创新技术

在银行卡风险防范领域，银行长期处于较为被动的地位，主要依靠交易反洗钱模型等方式进行事后核查及管控。“云镜”项目引入国际领先的基于拓扑学原理的半监督机器学习技术，综合分析大量用户行为数据，融入业务专家经验，预警异常团伙及客户，人机合作颠覆事后核查的传统模式。

2.应用逻辑

（1）基于数亿条开户信息、网银操作日志、事件日志等，参考少量黑样本标签，进行半监督模型的数据特征设计，创建几十万数据纬度特征。

（2）将数据特征导入半监督机器学习模型，基于图聚类结果多次优化，过滤正常关联关系、发现隐藏关联关系、突出异常关联关系，反复进行图分析和图聚类，生成万张关联图。

（3）不假设风险特征，基于异常行为和标签传播进行社区发现，寻找倒卖银行卡团伙的可疑相关性和共范性，完成预测。

3.风险引擎

（1）零售账户高危业务风险引擎

通过使用活跃用户的数据、中止标签、专家业务经验，使用半监督主动式机器学习技术，产生具有高危业务风险的关联团。业务价值主要体现在两个方面，一是可以发现倒卖银行卡团伙；二是可对潜伏的倒卖银行卡团伙进行预测。

（2）零售账户集中操控评分引擎

使用有监督技术对基于半监督技术聚类的没有明显业务风险的团伙（具有集中操控特征，但暂未呈现出明显的业务风险）进行打分，输出风险较高的团伙账户，进行人工核验和干预。

项目效果评估：

“云镜”项目的实施，改变了传统的以人工核查为主的事后风控模式，突破了防范银行卡犯罪领域主要依赖交易反洗钱模型的局限。领先的AI半监督学习技术与银行风控场景结合，将事后管控向事前转移，聚焦客户行为分析，创新性地探索在客户发生反洗钱交易前对风险客户实施预警和管控。

1.显性成果

“云镜”项目上线5个月以来，自动处理了380万个活动客户的414万个账户，分析账户特征百余个，自动生成风险报告，累计预警风险团伙24个，涉及93个客户账户，诸如交易时间或交易地址集中、交易对手相同、同一地址短时间登录多个网银、家庭住址雷同、手机号码雷同、密码频繁修改等等，风险呈现多样性特点、集中操控账户的特征突出。经分支行业务专家辅助核定后，对66个风险预警账户实施了管控，当前风险预警准确率达71%。

2.隐性成果

开创“人机协作”智慧风控新模式。“云镜”项目与我行自行开发的运营风险智控平台实现对接，生成项目风险报告、呈现具体风险特征，自动推送至业务人员，便于业务专家快速开展调查处理并采取防控措施。“云镜”项目的实施，降低银行合规风险的同时，大幅提升整体风险防控效率，筑牢银行风险防线。

“2020中国金融科技创新大赛”由中国电子银行联合宣传年、中国电子银行网共同主办，大赛以“竞逐数字时代新赛道”为主题，将收集、整理和展示商业银行和互联网企业在过去一年中重要的金融科技创新实践案例，以飨行业。大赛旨在多角度、多层次展示行业创新成果，弘扬创新与合作精神，为国内外金融学者、从业者提供高质量的学术交流平台，积极推动对金融科技领域重要问题的深入研究及最新进展的交流，为促进金融科技创新发展贡献力量。

（责任编辑：李峥 ）