4月24-25日，由北京移动金融产业联盟、移动支付网联合主办的2018第二届中国移动金融发展大会在北京召开，本次大会以《严“政”以待，共建移动金融新生态》为主题，在25日上午举办的金融大数据论坛，浙江邦盛科技有限公司副总经理孙斌杰发表演讲，畅谈基于大数据的实时交易反欺诈解决方案及实践案例。

孙斌杰首先介绍了目前黑产带来的欺诈风险，其中就有营销套利、虚假注册、账户盗取、理财诈骗、银行卡盗刷、虚假借贷等现象。孙斌杰还重点剖析了账户盗取、银行卡盗刷等黑产的具体操作流程。面对愈演愈烈的黑产诈骗风险，交易反欺诈存在着三大趋势。

一是实时性，采用流式大数据处理技术。从大数据技术演进来看，都是数据先行，拥有大块数据再通过批次技术进行计算。真正要做到实时大数据的处理能力，就需要引入流式大数据处理工作。此外，还需要实时阻断，动态管控策略。

二是智能化，通过数据驱动、机器学习、关联图谱等多样方式，对于数据进行加工，做一些较为先进的有复杂算法的防控。通过交易间设备关联性，IP关联性，包括帐户，银行卡等等关联性，将所有样本聚成一个一个的图谱，通过机器学习技术实现智能化风控。

三是内外数据结合，采用虚假手机号识别、代理IP识别、智能定位等多种数据，只有内外数据相结合，才能构成整个解决方案。

据孙斌杰介绍，目前国内的欺诈大多以规则驱动，凭借过往经验和发生过的事实，抽离出系列规则，每一条规则触发一种欺诈场景，交叉组合所施加的业务逻辑判断，构成欺诈模型，而小众或产业化运作欺诈事件越来越难以用商业经验和确切规则描述出来。

对此，孙斌杰表示，邦盛科技早期研发的人工智能技术——机器学习，其最大价值就是能够做特征表达，通过一个数学的复杂结构来表达一些以往很难描述的金融现象，特别适合处理风险、欺诈及金融产品营销等以往经验难以定量的事件。

他指出，邦盛科技的机器学习技术，实际上是从银行等金融机构反欺诈的脆弱点着手，通过机器收集大量异构、多源化的信息，利用复杂网络关联分析技术从历史违约数据中发现实时欺诈业务风险指标，丰富深度学习风险模型的业务维度，建立人工智能反欺诈模型，发现欺诈者隐藏的蛛丝马迹，从而识别欺诈者身份，加上与传统经验规则配合使用，可大幅提升金融机构欺诈风险的防控能力。