去年信用卡诈骗案近万起 大数据人工智能成银行杀手锏

  近日，记者从裁判文书网获悉，仅今年以来判决的信用卡诈骗案件就多达上百件，而这一数字在2016年是9546起。

  信用卡诈骗屡禁不止，一方面是由于发卡行疏于信用审查，另一方面是因为银行传统的规则反欺诈模型已不足以应对“高科技”诈骗。面对花样百出的各类信用卡诈骗，发卡行的风控部门近来引入了大数据、人工智能等创新型风控手段，利用多维数据交叉验证提升欺诈风险识别的精准性，并采用人工智能算法以适应海量数据的高维稀疏特性。

  信用卡诈骗“花样百出”

  记者从众多判决书中发现，近年来信用卡诈骗花样百出，其中通过电信和网络进行诈骗仍是主流。

  与电信诈骗相关的主要是两种号码：一是利用“95588”等银行服务号发送短信进行诈骗。如果按短信指令点击了实际为“钓鱼网站”的链接，那信用卡则会被恶意透支；另一种是以“400”开头的热线电话，诸如“您的航班延误，机票需要改签，请及时拨打400……电话办理”，此类电话均可能为诈骗电话。因为通常情况下，正规大型企业单位的“400”热线电话只作为被叫使用，不会作为主叫往外打。

  福建安溪作为信用卡欺诈案件集中爆发地，刚刚于2016年10月宣判11名电信诈骗犯。判决书显示，犯罪分子通过群发“95599”农行信用卡即将被扣年费及“400”联系电话的诈骗短信，待他人回电时，先冒充农行客服人员接听电话，谎称对方信用卡被大额消费，身份信息可能被盗用，诱骗对方拨打其提供的“400”电话报警，再冒充公安局工作人员接听电话，谎称对方账户信息已泄露，案件涉嫌经济犯罪，以保护账户安全、设置转账报警等为由，诱骗对方将银行卡内资金转入其指定的银行账户内。

  中伦律师事务所(上海)非权益合伙人肖波律师也向记者分享了一起福建安溪的典型诈骗案例：2012至2013年之间，某信用卡制卡团伙通过在各处的刷卡机附近安装微型摄像头的方式，实时监控刷卡人的密码和卡号，然后伪造信用卡，并恶意透支，涉案金额高达上百万元。

  另外，免费WiFi也有可能是盗刷陷阱，如果连接某些WiFi后登陆信用卡网银，很可能会泄露信用卡卡号、密码等信息从而被盗刷。

  一位股份制银行信用卡中心风险管理部负责人向记者总结了当前信用卡欺诈风险的三大主要特征：隐蔽性、专业性及规模化。诈骗分子近年来聚集于互联网渠道，利用虚假身份进行信用卡申请，借助钓鱼网站、病毒邮件等窃取客户卡片信息，实施信用卡盗刷，可谓“无孔不入”。

  同时，他们还具备一定的专业知识和技能，懂得利用一些网络技术设计陷阱，研究信用卡申请、交易流程，寻找规则漏洞。比如，通过包装个人信息、伪造互联网行为等方式提高个人资质，骗领信用卡;侵入免费WiFi、制造山寨二维码、变身银行官方号码伪基站、发送病毒祝福短信等方式窃取客户信用卡信息并实施盗刷。

  互联网时代，银行卡诈骗不仅在技术上“升级”，也从“单兵作战”发展到有组织、有预谋的产业化集团作案，尤其是电信网络诈骗。数据显示，近10年来，我国电信网络诈骗案件每年以20%～30%的速度增长，2015年全国公安机关共立案电信诈骗案件59万起，涉及经济损失222亿元。

  恶意透支1万即可能触犯刑法

  记者从裁判文书网所公布的信用卡纠纷案件判决书中发现，大部分案件都是因为信用卡透支不还款，然后银行将持卡人告上法庭。“通常，透支额度超过一万元，且在两次催收后，超过三个月不还款，就有可能构成信用卡诈骗。”肖波对记者表示。

  近年来，窃取信用卡、妨害信用卡管理、信用卡诈骗、利用POS机非法套现等涉嫌信用卡犯罪一直处于高发、多发态势。肖波告诉记者，信用卡诈骗犯罪，尤其是恶意透支型的信用卡诈骗犯罪，一直占基层法院全部金融犯罪的80%以上，是一种最为常见的金融诈骗犯罪。

  相关数据显示，2013年至2016年各级法院分别判决信用卡诈骗犯罪案件3091、10573、12220、9546起，最近两年仍处于高发状态。

  据我国《刑法》第一百九十六条规定，有使用伪造的信用卡，或者使用以虚假的身份证明骗领的信用卡的、使用作废的信用卡的或冒用他人信用卡涉案金额在5000元以上，恶意透支在1万元以上等行为的均构成信用卡诈骗、盗窃罪。

  其中的恶意透支是指持卡人以非法占有为目的，超过规定限额或者规定期限透支，并且经发卡银行两次催收后超过三个月仍不归还的情形。

  进行信用卡诈骗活动，数额较大的，处五年以下有期徒刑或者拘役，并处2万元以上20万元以下罚金;数额巨大或者有其他严重情节的，处五年以上十年以下有期徒刑，并处5万元以上50万元以下罚金。

  “司法机关所受理的信用卡诈骗类案件非常多，因为众多银行在与持卡人发生纠纷，并且多次催收无果的情况下，便就会向司法机关进行举报，启动刑事司法程序追缴赃款。”肖波称。

  银行“杀手锏”：借力人工智能大数据

  银行面对新形势下严峻的欺诈风险，传统的欺诈风险防控手段例如凭借专家经验人工制定反欺诈规则、使用基于规则引擎的欺诈侦测的策略已经“力不从心”。 因此，纷纷着力人工智能、大数据风控领域，欲从风险的“观测者”变为“预测者”。

  “小众的欺诈事件越来越难以用商业经验和确切规则描述出来，国内目前的欺诈都是rule base(规则驱动)的，即凭借过往经验和从此前发生过的事实中，抽象出系列规则，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，从而构成了欺诈模型，”天云大数据CEO雷涛在接受第一财经采访时表示，“但在这个过程中，传统规则的模型会带来很多问题，例如申请欺诈就很难将一些难以描述的规则抽象出来。”

  具体举例而言，某团伙在某村庄以招工的名义大量收取村民的身份证，并申请信用卡，然后刷卡透支，让村民背负银行债务。此时，银行按照过往经验便会判定该村地址为欺诈地址，使该村村民抹上信用污点，然而事实并非如此。因此，对于抽象的、难以描述的金融现象，需要借助大数据、人工智能的新技术。

  在此背景下，众多银行已纷纷将人工智能、大数据领域列为重要发展方向。银联商务有限公司总裁李晓峰表示，随着数据的积累及大数据处理经验的不断提升，银行可以从更长时间跨度上对商户风险行为及行为变化情况进行分析和模拟，从环境风险、关联欺诈、行为异常、偏好变异等维度分类观测、评价商户的风险程度。

  “随着数据维度的大幅增长，移动设备、网络浏览行为、位置变化等多维信息都可以用于刻画申请或交易行为，多维数据交叉验证可以提升欺诈风险识别的精准性，也为大规模机器学习奠定了基础。”前述银行风控部门负责人对记者表示。

  同时，非结构化数据库、分布式存储和云计算技术的产生，为多类型数据的存储和复杂模型的运算提供了实时性保障。

  而在技术层面，该负责人称，传统的建模方法目前已经不适应海量数据的高维稀疏特点。大数据时代，机器学习算法在反欺诈建模中的应用越来越多，如神经网络、随机森林、梯度提升决策树(GBDT)、支持向量机(SVM)等。

  棱镜大数据研究院首席科学家廖辰瀚对记者表示，针对不同算法的解释维度和欺诈风险不断变化的特点，将多个算法进行组合并建立数据驱动的自适应优化学习机制，也有助于提升模型效果。

  了解更多 ，请关注 ， 每天为您带来最新的 、优惠活动，让您更好的使用信用卡。