[发明专利]银行业务反欺诈方法与系统

说明书

本申请涉及一种银行业务反欺诈方法与系统，利用低延迟、高吞吐的分布式大数据处理工具kafka作为数据暂存地和分发器，灵活快速地实现对同一份数据上多个指标的并发计算；利用新一代大数据流计算引擎flink实现批流一体化处理，避免数据在不同处理引擎之间来回搬运，也统一计算模型，便于统一人员技能和技术架构，降低开发运维成本，通过日终批量方式预先加工中间结果，降低日间系统计算压力的同时，提升指标计算的实时性，解决了日终批处理方式的指标结果滞后性问题。

技术领域

本申请涉及反欺诈技术领域，特别是涉及一种银行业务反欺诈方法与系统。

背景技术

随着金融风险事件不断暴露，金融监管机构和银行对于金融风险控制的认识和要求在不断提升。受限于技术条件，银行传统的风险控制系统一般基于批量方式实现，风险指标的计算结果基于当天运行数据在一天的银行营业结束后生成，该风险指标的计算结果只能运用于第二天的风险控制，导致风险控制的时效性和准确性比较差，风控漏洞较大。

而对于每天上千万笔交易量、千亿的指标计算量、PB级数据规模的数据。很多传统的实时指标计算方法底层逻辑一般是采用实时采集、异步计算的方式。换言之，就是采集、计算、查询三个环节是异步并行的，三者各司其职，无法有效协同。异步计算无法保证实时数据已经被计算，异步查询无法保证当前的计算结果实时被查获。同时，随着大数据的不断累积，计算能力会逐渐变得迟缓。

综上，传统的银行业务反欺诈方法无法实时对当前的业务交易进行反欺诈的风险控制。

发明内容

基于此，有必要针对传统银行业务反欺诈方法无法实时对当前的业务交易进行反欺诈的风险控制的问题，提供一种银行业务反欺诈方法与系统。

本申请提供一种银行业务反欺诈方法，包括：

反欺诈数据处理引擎从反欺诈风险管理平台中获取规则列表，基于Flume实时同步用户在各个服务渠道的用户数据，存储于本地设置的ODS数据库中，以及本地设置的kafka消息中间件中；

反欺诈数据处理引擎从本地的ODS数据库中获取已同步的用户数据，利用Flink规则算子，筛选所述规则列表中各个规则所需的用户数据，生成中间数据，并将所述中间数据存储于本地设置的缓存服务器或kafka消息中间件中；

当一笔处于任一服务渠道的业务交易被发起后，所述服务渠道的客户端存储交易流水信息；

所述服务渠道的客户端通过反欺诈接口，获取所述缓存服务器或kafka消息中间件中的中间数据，基于中间数据和交易流水信息进行规则命中分析，判断本次业务交易是否命中任意一个风险预警规则；

若本次业务交易命中任意一个风险预警规则，则所述服务渠道的客户端生成命中结果发送至反欺诈数据处理引擎的缓存服务器或kafka消息中间件中进行存储。

进一步地，所述服务渠道至少包括手机银行业务渠道、个人网银业务渠道和企业网银业务渠道。

在反欺诈数据处理引擎从反欺诈风险管理平台中获取规则列表之前，所述银行业务反欺诈方法还包括：

反欺诈风险管理创建多个风险预警规则，并对每一个风险预警规则进行参数配置；

创建规则列表，将所有的风险预警规则存储入规则列表。

进一步地，在将所有的风险预警规则存储入规则列表之后，所述银行业务反欺诈方法还包括：

基于风险控制策略，将多个风险预警规则进行任意组合，生成至少一个风险预警规则组；

将至少一个风险预警规则组存储入规则列表。

进一步地，当判断本次业务交易是否命中任意一个风险预警规则时，还判断是否命中任意一个风险预警规则组。