背景与挑战：

作为国内最大的商业银行之一，该行的客户每天使用该行的信用卡、储蓄卡产生的线上交易笔数众多，与此同时该行也面临着欺诈风险的困扰，伴随着欺诈分子团伙化、欺诈形式多样化，新的欺诈手段层出不穷等现状，该行迫切的需要通过创新的技术手段，去防范整体的欺诈风险，并且随着欺诈手法的变化不断的更新迭代。

业务目标：

在外呼能力一定的情况下，使用机器学习模型相比原有的专家规则可以成功覆盖更多的欺诈交易，从而提升整体的业务效率。在较高准确率的前提下，为事中阻断交易提供可能性。

难点与关键成功因素：

现阶段，该行风险部门利用传统专家规则进行欺诈防控和风险侦测，而持卡人的每一笔线上交易是否存在欺诈风险可以利用该持卡人的历史交易信息、当前交易信息、设备信息、地址信息等多维度的数据进行精准刻画，如何有效地利用海量的数据挖掘和刻画每一笔交易背后的欺诈风险，是本项目的难点与关键成功因素。

业务成果：

线上测试结果中，在同样的48%召回率下，模型的准确率达到了83%，较原有规则提升了316%。
如果每天外呼相同数量的核实电话，模型相比原有规则可多识别58.8%的欺诈交易。

展望未来：

现阶段，第四范式的反欺诈解决方案通过机器学习模型与传统专家规则的结合，实现了多场景、全流程的风险管控。同时，随着场景的扩充、业务策略的不断完善，第四范式正在就智能风控平台进行更加细致的开发和更新迭代，为客户提供更便捷、高效、灵活、精准、长期可用的风控反欺诈方案。