金融数字化转型给商业银行风险管理带来新的机遇挑战，数字经济在推动金融服务更加全面便捷发展的同时，电信网络诈骗在数字互联网的背景下亦愈演愈烈，且呈现专业性、组织性、技术性等新型特点。党中央、国务院高度重视电信网络诈骗，部署了“断卡行动”，审议通过了《反电信网络诈骗法》,将反电信网络诈骗工作的意义提升到新的高度。

工商银行软件开发中心（以下简称“中心”）发挥数字化转型效能，充分运用知识图谱对于关系型数据的挖掘优势，整合大图谱、社群发现算法、图神经网络等技术手段，构建覆盖事前、事中、事后的立体化智能风控模型结构，以精准识别管控电信诈骗交易行为，保障客户资金和信息安全。

一、丰富技术手段，多维度精准识别诈骗

随着电信诈骗发展趋向规模化、团伙化，诈骗分子作案越来越隐蔽，作案方式变化越来越快，反侦测能力越来越强，以专家经验、机器学习为主的传统单点防控方式越来越难以应付。中心充分发挥知识图谱对于关系型数据的挖掘优势，整合大图谱、社群发现算法、图神经网络等技术手段，构建百亿级电诈大图谱，完善对电信诈骗行为的风险评估、资金溯源、信息反查、团伙挖掘等功能，从而实现以点带面地对诈骗团伙进行全面打击。

图1电信诈骗防范模型体系

知识提取模块通过提取节点、关系、属性信息以完成图谱构建。诈骗分子会在借记卡、信用卡、对公账户等不同场景实施电信诈骗，为整合场景行为差异，建立各个场景的专业知识图谱，以保证诈骗分子在不同场景的行为关联能够充分覆盖，同时联合优势数据、破解信息孤岛，实现“1+1>2”的联防联控效果。

知识融合模块通过融合不同专业图谱信息以搭建百亿级别电信诈骗通用大图谱。借由知识融合技术可以帮助我们通过融合不同场景中，获得卡、设备、地理网格等节点的操作行为、资金流向等关联关系。融合各个场景的专业知识图谱，打破场景隔阂，最终搭建覆盖电信诈骗全节点的百亿级别电信诈骗通用大图谱。

知识计算模块通过实时查询、社群发现、图神经网络等技术识别电信诈骗行为。通过知识图谱关联关系的实时查询，满足电信诈骗行为中信息反查、资金溯源、关联警示等高时效需求。借由社群发现算法，挖掘诈骗团伙内在联系，对犯罪团伙实现以点带面地全面打击。此外，随着诈骗分子的反侦测能力越来越强、诈骗行为越来越隐秘，传统机器学习模型效果依赖于特征工程提取浅层经验特征的弊端越来越明显，利用图神经网络的逐层提取深度行为模式，帮助我们发现诈骗分子和受害人的深层行为逻辑，有利于我们对诈骗行为做出更精准地识别。

二、全场景覆盖，搭建立体化防御体系

电信诈骗流程中，诈骗分子与银行卡的交互过程包括银行卡收集、养卡试卡、受害者资金汇入、诈骗资金转出，为更好地在每个节点狙击诈骗行为，中心基于电信诈骗通用大图谱，设计了覆盖事前、事中、事后的全场景电信诈骗防控模型体系，各个环节相辅相成，共同保障客户财产和信息安全。

事前精准分级管控，在诈骗行为发生前，利用模型精准刻画客户画像，对于涉诈风险较高客、账、卡，采取分级管控、二次认证等干预手段，限制涉诈交易的同时，减少对正常客户的影响。

事中阻断受害交易，在诈骗行为发生中，特别针对受害者资金转出交易中，利用实时关联查询和模型计算对该笔交易涉诈风险做实时判断，识别潜在诈骗受害者，并做风险提示或其他干预措施，及时阻断受害者交易。

事后截留涉案资金，当出现疑似诈骗资金汇集时，迅速判断其涉诈风险，通过冻结、管控等干预措施限制其资金转出，截留诈骗资金，有效威慑诈骗分子。

三、成效与展望

工行反电信诈骗取得了突破性成效，借记卡、贷记卡涉案账户数量四大行排名最低，达到同业领先水平，树立了国务院“断卡”行动行业标杆。国务院打击治理电信网络新型违法犯罪工作部际联席会议办公室发函工农中建交邮等18家银行，高度肯定了工行扎实开展电信网络诈骗防控工作的做法和成绩，号召各行学习借鉴。

未来，工商银行软件开发中心将继续秉持“风险识别准、管控时效高、处置手段多”的建设思路，在与诈骗分子日益激烈的交锋中不断自我革新，提升模型精度，加快模型响应速度，缩短模型迭代周期，全力守护好人民群众的“钱袋子”。