隨著網絡電信詐騙案件不斷增長，詐騙方式和手法不斷變化。從電話詐騙向互聯網詐騙、從全國分布向重點邊境地區(qū)集聚、從“短平快”向長線套路詐騙，花樣翻新，技術手段不斷迭代。同盾科技安全專家及策略建模總監(jiān)閱微表示，面對越來越“高能”的黑產犯罪組織，金融機構需要借助科技之力，升級武器，革新戰(zhàn)法。
此前，中央印發(fā)《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(jiān)管規(guī)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(fā)，限額主要是為保障客戶賬戶和資金安全，落實監(jiān)管規(guī)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。
究其原因是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，攻擊變得更有針對性。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(guī)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(guī)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(yè)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(guī)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(jiān)測防控。
第三步是在偵測出犯罪團伙的同時，發(fā)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(yè)務場景深度融合，為銀行客戶建立涵蓋不同業(yè)務場景的風險偵測與信息共享機制，實時動態(tài)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(yè)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(fā)生的概率。
近年來，同盾科技為客戶建立自主風控能力，提供工具賦能和知識賦能。同盾科技不僅具備豐富的項目實戰(zhàn)經驗和知識資產沉淀，還擁有強大的涉賭涉詐咨詢團隊與產品研發(fā)團隊。未來，同盾也將繼續(xù)輔助金融機構，為電信網絡安全、金融業(yè)務安全保駕護航。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
