检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
出 处:《现代商业》2023年第21期83-87,共5页Modern Business
摘 要:随着商业银行金融服务数据化转型高速发展,电子银行、网络支付、互联网贷款等业务为客户带来了更加便捷的服务与体验,与此同时,数据化转型中信贷业务在其发展的过程中面临的欺诈风险日趋严峻。黑灰产、不法中介通过专业手段篡改客户设备数据、内外部信息数据、包装流水、工作单位等个人资料,电信诈骗、网络钓鱼、第三方泄漏、撞库攻击、“薅羊毛”、商户欺诈、多头借贷等各类欺诈行为快速蔓延,并呈现出产业化、组织化特点。一旦不法分子找到银行风控体系的突破口,往往在短时间内大量骗取银行资金,给银行造成数以亿计的巨大损失。《商业银行互联网贷款管理暂行办法》明确规定,“商业银行应当建立有效的反欺诈机制,实时监测欺诈行为,定期分析欺诈风险变化情况,不断完善反欺诈的模型审核规则和相关技术手段,防范冒充他人身份、恶意骗取银行贷款的行为,保障信贷资金安全”。在头部银行、互联网金融公司的互联网贷款风控体系中,欺诈风险防控已从操作风险防控剥离出来,成为至关重要的风险防控环节。面临着种类繁多的欺诈风险,商业银行出于保障客户资金安全和维护银行自身利益的客观需要,必须构建并不断完善自身的金融反欺诈体系。
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.80