京公网安备 11010802034615号
经营许可证编号:京B2-20210330
工商银行以大数据筑起安全屏障
随着我国银行业全面开放和深化改革,行业竞争不断加剧,国内银行纷纷推出新的产品和业务种类的同时,与业务经营相伴而生的欺诈风险也在频繁发生。当前,银行业欺诈风险已由传统的信贷、柜面、外部盗抢,向贸易融资、理财产品、银行卡以及电子银行等业务领域延伸,跨业务、跨条线的欺诈风险不断发生,对银行资金安全、社会声誉乃至正常运营造成严重威胁。
而国内部分商业银行的外部欺诈风险防控,仍停留在传统的粗放式管理阶段。中国工商银行安全保卫部总经理、中国银行业安全保卫委员会常务副主任靳晓鹏接受中华工商时报记者采访时表示,目前行业里,主要犯罪诈骗方式为木马、互联网支付第三方支付公司被黑客入侵等,导致客户信息泄露。而国内大多数银行普遍以业务检查及事后的应对处置为主。例如电信诈骗,据公安部介绍,犯罪分子普遍跨国作案,一旦得手,不但案件难以侦破,即便破案,由于赃款已经分散转移,受害资金也难以追回,犯罪防控效果大打折扣。这种粗放式的欺诈风险管理阶段,面临着上述科技化犯罪手段的严峻挑战。
中国工商银行外部欺诈风险管理处处长马旭东对记者表示,为有效破解外部欺诈风险防控难题,中国工商银行自主研发的外部欺诈风险信息系统,充分利用大数据技术,建立起分类清晰、分级详细的风险信息数据库,并通过与银行各主要业务系统的对接应用和基于业务需求的规则制定,准确预警和控制外部欺诈。这在国内外银行同业中尚属首创。
马旭东说,无论哪类犯罪,实现资金转移,都要有一个收款账户,而工行的外部欺诈风险信息系统,是依托与公安部等相关部门合作,通过信息化的手段,建立一个中国最大的欺诈账户的数据库。以防控电信诈骗为例,外部欺诈风险信息系统在工商银行1.7万个网点,10.5万台ATM,5.6万台自助终端,以及网上银行、电话银行、手机银行等全渠道投产应用,系统对工商银行客户的每一笔汇款进行自动即时筛查,如果客户汇款的收款账户为外部欺诈风险数据库中的黑名单账户,系统将自动预警提示拦截,能够有效避免客户资金损失。同时,工商银行还将外部欺诈风险信息系统接入了工行信用卡、信贷管理、电子银行、私人银行、客户营销、票据业务、运营风险、人力资源管理、集中采购等13个业务和管理领域,自动嵌入上述业务流程中,在业务办理流程中加装了一道大数据的“防火墙”,实现在交易中“实时预警”和“精确打击”。
据悉,早在2007年,中国金融认证中心联合工行、建行等10余家银行以及相关监管部门、公安部门等,就建立了“网上银行反欺诈联动机制”。2008年7月,针对严重危害在线金融服务的“钓鱼网站”,由国内银行证券机构,电子商务网站、域名注册管理机构、域名注册服务机构、专家学者组成的“中国反钓鱼网站联盟”在京成立。中国银联亦定期向银行业公布欺诈黑名单。
除了利用数据库外,工商银行将自己的网上银行、手机银行等一些产品做了升级,增加了ukey控制、网银提醒,客户短信业务提醒。此外,配合公安机关侦破案件方面也做了大量的工作,例如,和北京市公安局刑侦总队签署备忘录,对信息共享、案件侦破等方面做了全方位的合作。
据记者了解,截至2015年8月末,工商银行外部欺诈风险信息系统涵盖1300万条诈骗信息黑(灰)名单,逾100万诈骗账户,共成功拦截电信诈骗3.9万笔,为客户避免经济损失5.2亿元,防控电信诈骗有效率达到96.7%。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19