///防欺诈分析
防欺诈分析2019-08-30T09:32:02+00:00

防欺诈分析解决方案

运用大数据以及机器学习的知识和工具,预测金融欺诈风险。

基于大数据的防欺诈分析

现在越来越多的人使用金融服务,也催生了很多欺诈交易,所谓的欺诈交易,是指涉嫌使用虚假身份获取银联卡,或冒用他人银联卡(或账户)获取商品或服务的欺骗性交易行为。我们的目标是,通过以往积累的数据,通过大数据以及机器学习的方法建立一套有效的预测欺诈行为的体系,为个人以及团体的财产安全作出保障。

选择您的角色

风控部门工作人员

相关产品

SaCa RealRec数据科学平台
提高企业构建智能应用的能力以及效率,简化复杂机器学习算法的使用成本,帮助企业实现信息数据化、模型化的商业模式。

客户案例

上海银联防欺诈分析平台

通过使用SaCa RealRec产品对欺诈行为多维度数据进行分析挖掘,特征提取、建模分析,实现了欺诈源甄别的准确率超过90%,为个人以及团体的财产安全作出保障。

了解详情

风控部门工作人员

与传统的欺诈性交易行为处理相比,该方案优势有哪些?

答:传统的欺诈性交易行为处理,往往是在欺诈性交易已经发生,并且被误认为合法交易。当受害人发现时,追回的可能性很低,或是追回的成本被无限的提高了,这样对保护客户(个人以及企业集团)的利益是不利的。而通过历史数据积累,使用大数据以及机器学习的知识和工具,就可以把大部分的风险敞口关闭。由于机器学习可以通过以往数据预测或是寻找欺诈之间共同特征,这样我们就可以把潜在风险的交易查找出来,起到提早知晓并且实时监控的目的,而欺诈性交易的追回成本也随之降低了。

基于以往的欺诈交易信息,SaCa RealRec数据科学平台对欺诈信息进行数据清洗、特征提取,完成建模找寻关系以及预测欺诈等功能。
第一,我们对高风险交易和可能的多重属性进行关联分析。发现高风险的资金转移往往是大额资金转移,与高风险省份等因素有关。
第二,进行欺诈预测。通过提取的特征向量进行模型训练,并且预测评估。提取的特征向量包括大额转移标签、地理位置信息、资金转移分级、错误等级、非正常时间标签、IP地址信息等。再基于逻辑回归模型算法构建机器学习模型,进行风险的预判。

东软SaCa RealRec数据科学平台是一款提供人工智能机器学习与预测分析服务的产品,可通过全流程、可视化的特征分析、模型构建评估和部署应用等功能,将纷繁复杂的机器学习算法变得更加简单,让业务数据分析人员快速拥有数据深度分析的能力,使企业或行业业务模型的构建更加得心应手,大大提高企业智能应用的构建能力和效率。目前,东软SaCa RealRec数据科学平台已经广泛应用于金融、教育、公安、媒体、交通、医疗等多个行业,真正帮助客户实现数字化转型,挖掘数据背后的潜在价值。

相关产品

SaCa RealRec数据科学平台
提高企业构建智能应用的能力以及效率,简化复杂机器学习算法的使用成本,帮助企业实现信息数据化、模型化的商业模式。

上海银联防欺诈分析平台

通过使用SaCa RealRec产品对欺诈行为多维度数据进行分析挖掘,特征提取、建模分析,实现了欺诈源甄别的准确率超过90%,为个人以及团体的财产安全作出保障。

了解详情