TWI584215B - 監控可疑交易的方法 - Google Patents

監控可疑交易的方法 Download PDF

Info

Publication number
TWI584215B
TWI584215B TW104144745A TW104144745A TWI584215B TW I584215 B TWI584215 B TW I584215B TW 104144745 A TW104144745 A TW 104144745A TW 104144745 A TW104144745 A TW 104144745A TW I584215 B TWI584215 B TW I584215B
Authority
TW
Taiwan
Prior art keywords
customer
transaction
account
suspicious
management server
Prior art date
Application number
TW104144745A
Other languages
English (en)
Other versions
TW201723968A (zh
Inventor
陳弘堯
Original Assignee
玉山商業銀行股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 玉山商業銀行股份有限公司 filed Critical 玉山商業銀行股份有限公司
Priority to TW104144745A priority Critical patent/TWI584215B/zh
Priority to US15/393,320 priority patent/US20170193514A1/en
Application granted granted Critical
Publication of TWI584215B publication Critical patent/TWI584215B/zh
Publication of TW201723968A publication Critical patent/TW201723968A/zh

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00Payment architectures, schemes or protocols
    • G06Q20/38Payment protocols; Details thereof
    • G06Q20/40Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401Transaction verification
    • G06Q20/4016Transaction verification involving fraud or risk level assessment in transaction processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00Payment architectures, schemes or protocols
    • G06Q20/08Payment architectures
    • G06Q20/10Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G06Q20/108Remote banking, e.g. home banking

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Description

監控可疑交易的方法
本發明是有關於一種監控方法,特別是指一種監控可疑交易的方法。
一般而言,諸如洗錢的可疑交易行為可以在無任何行為變化的情況下,混進到貨幣服務業務(Money Service Business,MSB)每天所處理的大量交易行為中。如此,經由傳統的人為檢核方法恐難以檢核出混雜在大量交易行為中的所有可疑交易行為。
由於洗錢行為經常透過金融機構並利用人頭、偽造證件資料或虛設法人團體所開立的金融存款帳戶來進行,以轉移犯罪不法所得。因此,金融機構在洗錢防制機能中,扮演著舉足輕重的角色。現有的可疑交易行為的判定是由金融機構相關人員根據專業經驗並以政府主管機關及各金融機關公會不定時頒佈相關之原則及辦法來判定,例如:銀行防制洗錢注意事項範本、票券商防制洗錢注意事項範本、金融機關辦理國內匯款作業確認客戶身分原則等。
然而,如此人為的判定方法必須對於相關人員進行定期的高強度訓練,來確保相關人員能正確地依照各個國家或區域所制定之洗錢相關法律和法規來判定,因此需耗費較高訓練成本。此外,如此人為的判定恐容易發生錯判的情形。
所以,對於可疑交易行為的判定,如何提高效率及準確性是此技術領域的相關技術人員所待突破的難題。
因此,本發明之目的,即在提供一種可提高可疑交易行為之判定的效率及準確性之監控可疑交易的方法。
於是,本發明監控可疑交易的方法,藉由一監控系統來實施,該監控系統包含一顧客資料庫、一連接該顧客資料庫的資料管理伺服器、一規則庫、及一連接該規則庫與該資料管理伺服器的判定管理伺服器,該顧客資料庫儲存了多筆分別對應於多個顧客的顧客資訊、及相關於多個不同風險因子的權重資料,每筆顧客資訊包含相關於一對應顧客的基本資料、相關於該對應顧客所開立之所有帳戶的帳戶資料、及該對應顧客所開立之所有帳戶的所有交易資料,該規則庫儲存了一風險評分查找表及多個可疑交易判定規則,該方法包含以下步驟:
(A)藉由該資料管理伺服器,自儲存在該顧客資料庫中的每筆顧客資訊擷取多個分別對應於該等風險因子的資料部分,並將每筆顧客資訊的該等資料部分傳送至該判定管理伺服器。
(B)藉由該判定管理伺服器,在接收到來自該資料管理伺服器的每筆顧客資訊的該等資料部分時,根據該規則庫所儲存的該風險評分查找表,對於每筆顧客資訊的該等資料部分之每一者給予一評分,以產生一包含該等筆顧客資訊之該等資料部分的評分之評分結果,並將該評分結果傳送至該資料管理伺服器。
(C)藉由該資料管理伺服器,在接收到來自該判定管理伺服器的該評分結果時,根據該顧客資料庫所儲存的該權重資料,對於該評分結果中對應於每筆顧客資訊之該等資料部分的該等評分分別進行加權及加總處理以獲得一加權總分。
(D)藉由該資料管理伺服器,對於每筆顧客資訊所對應之顧客,根據每筆顧客資訊所對應的加權總分及一預定風險等級標準,給予該對應顧客一風險等級,以獲得並儲存一包含多個分別對應於該等顧客的風險等級的風險等級結果。
(E)藉由該資料管理伺服器,對於每一顧客的每一帳戶,根據一筆對應於該顧客之顧客資訊的該交易資料,對於該對應顧客的每一帳戶,分析在當前營業日之前的一預定歷史期間內的所 有交易明細,以獲得該帳戶在該預定歷史期間的多個交易行為參數。
(F)藉由該資料管理伺服器,將該等筆顧客資訊、該風險等級結果、及該等顧客之該等帳戶的該等交易行為參數傳送至該判定管理伺服器。
(G)藉由該判定管理伺服器,在接收到來自該資料管理伺服器的該等筆顧客資訊、該風險等級結果及該等交易行為參數時,對於在一包含該當前營業日的連續N個歷史營業日之期間內至少有一筆交易的每一帳戶,根據一筆對應於該帳戶之顧客的顧客資訊且選擇性參考該帳戶之顧客的風險等級與該帳戶之該等交易行為參數,判定該帳戶的每筆交易是否與該規則庫所儲存的該等可疑交易判定規則其中至少一者相符,並將符合該等可疑交易判定規則其中至少一者的每筆交易標註為一可疑交易,並且根據所有可疑交易及其相符的至少一個可疑交易判定規則,產生一相關於該當前營業日的可疑交易判定結果。
本發明之功效在於:根據該資料管理伺服器所獲得之對於顧客風險評分的該風險等級結果以及與顧客交易行為模式相關的該等交易行為參數,該判定管理伺服器能以高效率之方式來判定且標註出每一顧客的所有帳戶中任何符合該等可疑交易判定規則其中至少一者的可疑交易,而且根據所有如此判定的可疑交易及 其相符的可疑交易判定規則所產生的該可疑交易判定結果具有高準確性。
11~17‧‧‧步驟
131~133‧‧‧子步驟
2‧‧‧顧客資料庫
21‧‧‧顧客資訊
22‧‧‧權重資料
3‧‧‧資料管理伺服器
4‧‧‧規則庫
41‧‧‧風險評分查找表
42‧‧‧可疑交易判定規則
5‧‧‧判定管理伺服器
100‧‧‧監控系統
2'‧‧‧風險等級資料庫
本發明之其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:圖1是一方塊圖,說明一用來實施本發明監控可疑交易之方法的一實施例之監控系統;圖2是一流程圖,說明本發明監控可疑交易的方法之實施例的步驟;及圖3是一流程圖,說明圖2中步驟13的子步驟。
參閱圖1,一監控系統100係用來實施本發明監控可疑交易之方法的一實施例,並示例地包含一顧客資料庫2、一風險等級資料庫2’、一資料管理伺服器3、一規則庫4、及一判定管理伺服器5。
在此實施例中,該顧客資料庫2儲存了多筆分別對應於多個顧客的顧客資訊21、及相關於多個不同風險因子的權重資料22。每筆顧客資訊21包含相關於一對應顧客的基本資料、相關於 該對應顧客所開立之所有帳戶的帳戶資料、及該對應顧客所開立之所有帳戶的所有交易資料。值得注意的是,每筆顧客資訊21所包含之該交易資料例如包含該對應顧客的所有帳戶之歷史交易資料以及一當前營業日的交易資料。例如,該等風險因子包含顧客類型、顧客證件類型、顧客職業/行業類型、帳戶類型、開戶方式、開戶資金來源、帳戶連結服務、帳戶往來情況、地址及交易活動國家。值得注意的是,顧客類型、顧客證件類型及職業/行業類型被歸屬為一顧客相關類,帳戶類型、該開戶方式、開戶資金來源、帳戶連結服務及久未往來帳戶被歸屬為一帳戶相關類,且地址與交易活動國家被歸屬為一地域相關類。該等風險因子所對應的資料部分亦示例地詳述於下列表1中。
表1中資料部分欄位所述的法人-中大、法人-中小、法人-環金、法人-SB係依照顧客的年營業額來劃分。舉例而言,任 何具有大於10億之年營業額的(法人)顧客被定義為法人-中大,任何具有在3000萬與10億之間的年營業額之(法人)顧客被定義為法人-中小,任何具有小於3000萬之年營業額的(法人)顧客被定義為法人-SB,以及任何跨兩岸三地且以OBU為主體之(法人)顧客被定義為法人-環金。此外,表1中資料部分欄位所述的”久未往來帳戶”及”非久未往來帳戶”係依照在包含該當前營業日的連續N個歷史營業日之前的例如一六個月之期間內的交易筆數來定義。更詳細地說,任何在該期間中至多有一筆交易的帳戶被定義為一久未往來帳戶,相反地,任何在該期間中有超過一筆交易的帳戶被定義為一非久未往來帳戶。在此實施例中,例如N=3,但不以此為限。在其他變化實施例中,N可以是其他數字。
此外,該顧客資料庫2所儲存的該權重資料22包含多個分別對應該等風險因子的因子權重值、及三個分別對應於該顧客相關類、該帳戶相關類及該地域相關類的類權重值。該權重資料22所包含的該等因子權重值及該等類權重值係示例地詳列於以下表2,但不以此為限。
該資料管理伺服器3係電連接該顧客資料庫2及該風險等級資料庫2’。
在此實施例中,該規則庫4儲存了一風險評分查找表41及多個可疑交易判定規則42。該風險評分查找表41具有該等筆顧客資訊21中該等風險因子所對應的所有資料部分、及所有資料部分所對應的評分被示例地詳列於以下表3,但不以此為限。該等可疑交易判定規則42將以舉例方式在下文中詳細說明。
在此實施例中,該判定管理伺服器5係電連接該資料管理伺服器3及該規則庫4。
參閱圖1及圖2,說明了該監控系統100如何執行本發明監控可疑交易的方法之該實施例的步驟。值得注意的是,本發明監控可疑交易的方法之該實施例係用來對於該等顧客之所有帳戶在該當前營業日內的所有交易行為進行監控。
在步驟11中,該資料管理伺服器3自儲存在該顧客資料庫2中的每筆顧客資訊21擷取多個分別對應於該等風險因子的資料部分,並將每筆顧客資訊21的該等資料部分傳送至該判定管理伺服器5。在步驟12中,該判定管理伺服器5在接收到來自該資料管理伺服器3的每筆顧客資訊21的該等資料部分時,根據該規則庫4所儲存的該風險評分查找表41,對於每筆顧客資訊21的該等資料部分之每一者給予一評分,以產生一包含該等筆顧客資訊21之該等資料部分的評分之評分結果,並將該評分結果傳送至該資料管理伺服器3。
舉例而言,表4詳細列出了對於該資料管理伺服器3所擷取且對應於一顧客之該等資料部分、以及該判定管理伺服器5根據表3所示的該風險評分查找表41所給予之該等資料部分所對應之評分。應注意的是,表4所列之內容僅為該評分結果中一相關於該顧客的評分部分。
在步驟13中,該資料管理伺服器3在接收到來自該判定管理伺服器5的該評分結果時,例如經由執行一不常變動的程式,根據該顧客資料庫2所儲存的該權重資料22,對於該評分結果中對應於每筆顧客資訊21之該等資料部分的該等評分分別進行加權及加總處理以獲得一加權總分。
再參閱圖3,進一步詳細說明該資料管理伺服器3所執行的步驟13包含以下子步驟。
在步驟131中,該資料管理伺服器3在接收到來自該判定管理伺服器5的該評分結果時,根據該顧客資料庫2所儲存的該權重資料22的該等因子權重值,例如經由該程式之執行,對於該評分結果中對應於每筆顧客資訊21之該等資料部分的該等評分分別進行加權處理以獲得多個分別對應於該等風險因子的因子加權分數。舉例而言,按照表4所述之例子,該資料管理伺服器3根據如表2所述之該權重資料22的該等因子權重值所獲得之該等因子加權分數被詳列於以下表5。
在步驟132中,該資料管理伺服器3將相關於該顧客相關類的對應因子加權分數相加以獲得一顧客相關類評分,將相關於該帳戶相關類的對應因子加權分數相加以獲得一帳戶相關類評分,且將相關於該地域相關類的對應因子加權分數相加以獲得一地域相關類評分。舉例而言,按照表5所述之例子,該顧客相關類評分為82(=30+12+40),該帳戶相關類評分為50(=10+7+7+10+16),且該地域相關類評分為40(=4+36)。
在步驟133中,該資料管理伺服器3根據該權重資料22的該等類權重值,對於該顧客相關類評分、該帳戶相關類評分及該地域相關類評分分別進行加權處理而獲得三個類加權分數,並將該等類加權分數相加而獲得該加權總分。舉例而言,按照步驟132中所舉之例子,該資料管理伺服器3根據如表2所述之該權重資料22的該等類權重值所獲得之該等類權重分數、以及該加權總分如以下表6中所列。
在步驟14中,對於每筆顧客資訊21所對應之顧客,該資料管理伺服器3根據該筆顧客資訊21所對應的加權總分及一預定風險等級標準,給予該對應顧客一風險等級,以獲得一包含多個分別對應於該等顧客的風險等級的風險等級結果。該資料管理伺服器3並將所獲得的該風險等級結果儲存在例如該風險等級資料庫2’,以便於日後的更新。在本實施例中,該預定分風險等級標準係示例地依照以下所定義:當一筆顧客資訊21所對應的加權總分係大於80分時,一對應顧客被給予一高風險等級;當一筆顧客資訊21所對應的加權總分係大於60分但不大於80分時,一對應顧客被給予一中風險等級;及當一筆顧客資訊21所對應的加權總分係不大於60分時,一對應顧客被給予一低風險等級,但不以此為限。在其他變化實施例中,該預定分風險等級標準可依實際需求適當的調整。
在步驟15中,對於每一顧客的每一帳戶,該資料管理伺服器3根據一筆對應於該顧客之顧客資訊21的該交易資料,例如經由該程式之執行來分析在該當前營業日之前的一預定歷史期間內的所有交易明細,以獲得該帳戶在該預定歷史期間的多個交易行為參數。在此實施例中,舉例而言,該等交易行為參數包含該帳戶在該當前營業日之前的三個月之期間內的平均交易金額與標準差。
在步驟16中,該資料管理伺服器3將該等筆顧客資訊21、該風險等級結果、及該等顧客之該等帳戶的該等交易行為參數傳送至該判定管理伺服器5。
在步驟17中,該判定管理伺服器5在接收到來自該資料管理伺服器3的該等筆顧客資訊21、該風險等級結果及該等交易行為參數時,對於在一包含該當前營業日的連續N個歷史營業日之期間內至少有一筆交易的每一帳戶,根據一筆對應於該帳戶之顧客的顧客資訊21且選擇性參考該帳戶之顧客的風險等級與該帳戶之該等交易行為參數,例如經由一經常變動程式之執行來判定該帳戶的每筆交易是否與該規則庫4所儲存的該等可疑交易判定規則42其中至少一者相符,並將符合該等可疑交易判定規則42其中至少一者的每筆交易標註為一可疑交易,並且根據所有可疑交易及其相符的至少一個可疑交易判定規則42,產生一相關於該當前營業日的可疑交易判定結果。
以下將示例地詳述如何使用該等可疑交易判定規則42。
針對同一帳戶於該當前營業日之現金存、提款之交易且分別累計達一定金額以上並且該(等)筆交易與該帳戶之顧客的身分、職業/行業或收入/營業額明顯不相關之情況,可使用該等可疑交易判定規則42中的例如一第一可疑交易判定規則來檢核,並且 該第一可疑交易判定規則被明確定義如下:對於同一帳戶,當在該當前營業日的總交易筆數係不小於一預定交易筆數門檻,同時在該當前營業日的總現金提款金額或總現金存款金額係大於一與開立該帳戶之顧客的顧客類型及該顧客所給予之風險等級相關的預定交易金額門檻時,相關於該總現金提款金額或該總現金存款金額的對應筆交易被判定為可疑交易。相關於該第一可疑交易判定規則的預定交易筆數門檻與預定交易金額門檻被示例地詳列於以下表7,但不以此為限。
舉例來說,在一帳戶之顧客為高風險的自然人並且該帳戶於該當前營業日分別有10萬、30萬及18萬的三筆現金存款交易之情況,由於該等三筆現金存款交易的總現金存款金額58萬係大於表7中所列之對應交易金額門檻(即,50萬),同時該帳戶在該當前營業日的總交易筆數(即,3筆)係大於表7中所列之對應交易筆數門檻(即,2筆),故該等三筆現金存款交易相符於該第一可疑交易判定規則之規範且分別被該判定管理伺服器5標註為可疑交易。
針對同一帳戶突有不尋常之多筆大額存款交易且該等筆交易與該帳戶之顧客的身分、行業/職業或收入/營業額明顯不相 關之情況,可使用該等可疑交易判定規則42中的例如一第二可疑交易判定規則來檢核,並且該第二可疑交易判定規則被明確地定義如下:對於同一帳戶,在該當前營業日的任一筆具有一大於一預定交易金額門檻之存款交易被定義為一異常交易,當在該當前營業日的總異常交易筆數係不小於一與開立該帳戶之顧客所屬的顧客類型及該顧客所給予之風險等級相關的預定異常交易筆數門檻時,該等異常交易被判定為可疑交易,其中該預定交易金額門檻=該帳戶的平均交易金額+(該帳戶的標準差×一與開立該帳戶之顧客所屬的顧客類型及該顧客所給予之風險等級相關的倍數)。相關於該第二可疑交易判定規則的預定異常交易筆數門檻與倍數被示例地詳列於以下表8,但不以此為限。
舉例來說,在一帳戶之顧客為高風險的自然人且該帳戶於該當前營業日有三筆分別為100萬、120萬、300萬的存款交易並且該帳戶的交易平均金額與標準差分別為50萬及5萬的情況下,該預定交易金額門檻可根據表8所列之對應倍數(即,3)而被計算出為65(=50+5×3)萬,由於該帳戶於該當前營業日的三筆交易金額(即,100萬、120萬、300萬)均大於該預定交易金額(即,65萬), 該等三筆現金交易被定義為三筆異常交易,如此,該總異常交易筆數(即,3筆)係大於表8中所列之對應異常交易筆數門檻(即,2筆),故該等三筆異常交易相符於該第二可疑交易判定規則之規範且分別被該判定管理伺服器5標註為可疑交易。
針對一被定義為久未往來帳戶之帳戶突然先後有大額的現金存款交易及現金提款交易的情況,可使用該等可疑交易判定規則42中的例如一第三可疑交易判定規則來檢核,並且該第三可疑交易判定規則被明確地定義如下:對於一被定義為久未往來帳戶之帳戶,當在該等N個歷史營業日內的總現金交易筆數係不小於一預定交易筆數門檻,同時在該等N個歷史營業日內的總現金交易金額係大於一與開立該帳戶之顧客的顧客類型及該客戶所給予的風險等級相關的預定交易金額門檻,並且在該等N個歷史營業日內的所有筆現金交易的提存比係在一預定範圍時,該等筆現金交易被判定為可疑交易。相關於該第三可疑交易判定規則的預定交易筆數門檻、預定交易金額門檻及提存比範圍的上限與下限被示例地詳列於以下表9,但不以此為限。
舉例來說,在一被定義為久未往來帳戶之帳戶的顧客為法人且該帳戶在該三個(含該當前營業日)歷史營業日先後有一筆200萬的現金存款交易及另一筆190萬的現金提款交易之情況下,該帳戶在該當前營業日的提存比為95%,如此,由於該帳戶在該等三個歷史營業日內的所有筆現金交易的提存比(即,95%)係在表9所列之下限(即,90%)與上限(即,110%)所定出的提存比範圍內,同時該帳戶在該等三個歷史營業日內的兩筆現金交易的總交易金額(即,390萬)係大於該預定交易金額門檻(即,100萬),且該總交易筆數(即,2筆)係不小於預定交易筆數門檻(即,2筆),故該等兩筆交易相符於該第三可疑交易判定規則之規範且分別被該判定管理伺服器5標註為可疑交易。
針對一被定義為新開戶之帳戶且突然先後有大額的現金存款交易及現金提款交易的情況,可使用該等可疑交易判定規則42中的例如一第四可疑交易判定規則來檢核。值得注意的是,在此實施例中,在該當前營業日之前的例如90天的一預定歷史期間內所開立之帳戶被定義為一新開戶。該第四可疑交易判定規則被明確地定義如下:對於一被定義為一新開戶之帳戶,當在該等N個歷史營業日內的總存款交易金額係大於一預定金額,同時在該等N個歷史營業日內所有筆交易的提存比係在一預定範圍中時,該等筆交易被判定為可疑交易。在本實施例中,例如,該預定金額為90萬並且該 提存比的該預定範圍為90%~110%,但不以此為限。舉例來說,在一被定義為一新開戶之帳戶在該等三個歷史營業日內先後有一筆100萬的現金存款交易與另一筆99萬的現金提款交易之其況下,該三個歷史營業日內的所有筆交易的提存比為99%,如此,由於該帳戶的該等三個歷史營業日內的總存款金額(即,199萬)係大於該預定金額(即,90萬)且該等筆交易的提存比(即,99%)係在該預定範圍(即,90%~110%),故該等兩筆相符於該第三可疑交易判定規則之規範且分別被該判定管理伺服器5標註為可疑交易。
針對同一顧客的相關帳戶間有大額現金移轉之情況,可使用該等可疑交易判定規則42中的例如一第五可疑交易判定規則來檢核。該第五可疑交易判定規則被明確地定義如下:對於同一顧客所開立的所有帳戶,當在該等N個歷史營業日內的其中兩個帳戶分別具有相關於現金移轉之的一現金提款交易與一現金存款交易,同時該現金提款交易與該現金存款交易的提存比係在一預定範圍時,該現金提款交易與該現金存款交易被判定為可疑交易。在本實施例中,例如,該提存比的該預定範圍為85%~110%,但不以此為限。
針對一連結有授信服務之帳戶突然有大額存款交易以便償還大額問題放款之情況,可使用該等可疑交易判定規則42中的例如一第六可疑交易判定規則來檢核。該第六可疑交易判定規則被 明確地定義如下:對於一連結有授信服務的帳戶,當在該當前營業日內的用於還款的總存款交易金額對於開立該帳戶之顧客的總欠款金額的還款比大於一預定比時,相關於該總存款交易金額的對應筆交易被判定為可疑交易。在本實施例中,例如,該預定比為50%,但不以此為限。
應注意的是,該等可疑交判定規則42之規範仍可依實際情況來彈性調整與制定,並藉由該判定管理伺服器5來適時更新以符合實際所需之情況。
綜上所述,利用該資料管理伺服器3所獲得的該風險等級結果、以及該規則庫4所儲存的該等可疑交易判定規則42,本發明監控可疑交易的方法確實能精確且快速的判定出每一帳戶在當前營業日之可疑交易。此外,該判定管理伺服器5所產生的該可疑交易判定結果可進一步提供給相關機構作為例如洗錢交易行為等的監控及判定之依據。另一方面,由於用來執行相關處理的該不常變動程式被儲存在該資料管理伺服器3且用來執行相關可疑交易判定的該常變動程式被儲存在該判定管理伺服器5,如此整合的單一平台有利於本發明監控可疑交易的方法以快速且彈性方式來調整規則邏輯,並進而使本發明監控可疑交易的方法能以提升的監控效率來達到精確的可疑交易判定結果且提升的監控,故確實能達成本發明之目的。
惟以上所述者,僅為本發明之實施例而已,當不能以此限定本發明實施之範圍,凡是依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。
11~17‧‧‧步驟

Claims (13)

  1. 一種監控可疑交易的方法,藉由一監控系統來實施,該監控系統包含一顧客資料庫、一連接該顧客資料庫的資料管理伺服器、一規則庫、及一連接該規則庫與該資料管理伺服器的判定管理伺服器,該顧客資料庫儲存了多筆分別對應於多個顧客的顧客資訊、及相關於多個不同風險因子的權重資料,每筆顧客資訊包含相關於一對應顧客的基本資料、相關於該對應顧客所開立之所有帳戶的帳戶資料、及該對應顧客所開立之所有帳戶的所有交易資料,該規則庫儲存了一風險評分查找表及多個可疑交易判定規則,該方法包含以下步驟:(A)藉由該資料管理伺服器,自儲存在該顧客資料庫中的每筆顧客資訊擷取多個分別對應於該等風險因子的資料部分,並將每筆顧客資訊的該等資料部分傳送至該判定管理伺服器;(B)藉由該判定管理伺服器,在接收到來自該資料管理伺服器的每筆顧客資訊的該等資料部分時,根據該規則庫所儲存的該風險評分查找表,對於每筆顧客資訊的該等資料部分之每一者給予一評分,以產生一包含該等筆顧客資訊之該等資料部分的評分之評分結果,並將該評分結果傳送至該資料管理伺服器;(C)藉由該資料管理伺服器,在接收到來自該判定管理伺服器的該評分結果時,根據該顧客資料庫所儲存的該權重資料,對於該評分結果中對應於每筆顧客資訊之該等 資料部分的該等評分分別進行加權及加總處理以獲得一加權總分;(D)藉由該資料管理伺服器,對於每筆顧客資訊所對應之顧客,根據該筆顧客資訊所對應的加權總分及一預定風險等級標準,給予該對應顧客一風險等級,以獲得並儲存一包含多個分別對應於該等顧客的風險等級的風險等級結果;(E)藉由該資料管理伺服器,對於每一顧客的每一帳戶,根據一筆對應於該顧客之顧客資訊的該交易資料,分析在當前營業日之前的一預定歷史期間內的所有交易明細,以獲得該帳戶在該預定歷史期間的多個交易行為參數;(F)藉由該資料管理伺服器,將該等筆顧客資訊、該風險等級結果、及該等顧客之該等帳戶的該等交易行為參數傳送至該判定管理伺服器;及(G)藉由該判定管理伺服器,在接收到來自該資料管理伺服器的該等筆顧客資訊、該風險等級結果及該等交易行為參數時,對於在一包含該當前營業日的連續N個歷史營業日之期間內至少有一筆交易的每一帳戶,根據一筆對應於該帳戶之顧客的顧客資訊且選擇性參考該帳戶之顧客的風險等級與該帳戶之該等交易行為參數,判定該帳戶的每筆交易是否與該規則庫所儲存的該等可疑交易判定規則其中至少一者相符,並將符合該等可疑交易判定規則其中至少一者的每筆交易標註為一可疑交易,並且根據所 有可疑交易及其相符的至少一個可疑交易判定規則,產生一相關於該當前營業日的可疑交易判定結果。
  2. 如請求項1所述的方法,其中,在步驟(A)中,該等風險因子包含顧客類型、顧客證件類型、顧客職業/行業類型、帳戶類型、開戶方式、開戶資金來源、帳戶連結服務、帳戶往來情況、地址及交易活動國家,並且顧客類型、顧客證件類型及顧客職業/行業類型被歸屬為一顧客相關類,帳戶類型、該開戶方式、開戶資金來源、帳戶連結服務及帳戶往來情況被歸屬為一帳戶相關類,且地址與交易活動國家被歸屬為一地域相關類。
  3. 如請求項2所述的方法,該權重資料包含多個分別對應該等風險因子的因子權重值、及三個分別對應於該顧客相關類、該帳戶相關類及該地域相關類的類權重值,其中,步驟(C)包含以下子步驟:(C-1)藉由該資料管理伺服器,在接收到來自該判定管理伺服器的該評分結果時,根據該顧客資料庫所儲存的該權重資料的該等因子權重值,對於該評分結果中對應於每筆顧客資訊之該等資料部分的該等評分分別進行加權處理以獲得多個分別對應於該等風險因子的因子加權分數;(C-2)藉由該資料管理伺服器,將相關於該顧客相關類的對應因子加權分數相加以獲得一顧客相關類評分,將相關於該帳戶相關類的對應因子加權分數相加以獲得一 帳戶相關類評分,且將相關於該地域相關類的對應因子加權分數相加以獲得一地域相關類評分;及(C-3)藉由該資料管理伺服器,根據該權重資料的該等類權重值,對於該顧客相關類評分、該帳戶相關類評分及該地域相關類評分分別進行加權處理而獲得三個類加權分數,並將該等類加權分數相加而獲得該加權總分。
  4. 如請求項1所述的方法,其中,在步驟(D)中,該預定風險等級標準係定義如下:當該加權總分係大於80分時,該對應顧客被給予一高風險等級;當該加權總分係大於60分但不大於80分時,該對應顧客被給予一中風險等級;及當該加權總分係不大於60分時,該對應顧客被給予一低風險等級。
  5. 如請求項1所述的方法,其中,在步驟(G)中,該等可疑交易判定規則包含:對於同一帳戶,當在該當前營業日的總交易筆數係不小於一預定交易筆數門檻,同時在該當前營業日的總現金提款金額或總現金存款金額係大於一與開立該帳戶之顧客的顧客類型及該顧客所給予之風險等級相關的預定交易金額門檻時,相關於該總現金提款金額或該總現金存款金額的對應筆交易被判定為可疑交易。
  6. 如請求項1所述的方法,其中,在步驟(E)中,該等交易行為參數包含平均交易金額與標準差。
  7. 如請求項6所述的方法,其中,在步驟(G)中,該等可疑交易判定規則包含:對於同一帳戶,在該當前營業日的任一筆具有一大於一預定交易金額門檻之存款交易被定義為一異常交易,當在該當前營業日的總異常交易筆數係不小於一與開立該帳戶之顧客所屬的顧客類型及該顧客所給予之風險等級相關的預定異常交易筆數門檻時,該等異常交易被判定為可疑交易,並且該預定交易金額門檻=該帳戶的平均交易金額+(該帳戶的標準差×一與開立該帳戶之顧客所屬的顧客類型及該顧客所給予之風險等級相關的倍數)。
  8. 如請求項1所述的方法,其中,在步驟(G)中,該等可疑交易判定規則包含:對於一被定義為久未往來帳戶之帳戶,當在該等N個歷史營業日內的總現金交易筆數係不小於一預定交易筆數門檻,同時在該等N個歷史營業日內的總現金交易金額係大於一與開立該帳戶之顧客的顧客類型及該客戶所給予的風險等級相關的預定交易金額門檻,並且在該等N個歷史營業日內的所有筆現金交易的提存比係在一預定範圍時,該所有筆現金交易被判定為可疑交易。
  9. 如請求項8所述的方法,其中,在該等N個歷史營業日之前的一六個月期間中至多有一筆交易的帳戶被定義為一久未往來帳戶。
  10. 如請求項1所述的方法,其中,在步驟(G)中,該等可疑交易判定規則包含:對於一被定義為新開戶之帳戶,當在該等N個歷史營業日內的總存款交易金額係大於一預定金額,同時在該等N個歷史營業日內所有筆交易的提存比係在一預定範圍中時,該所有筆交易被判定為可疑交易。
  11. 如請求項10所述的方法,其中,在該當前營業日之前的一預定歷史期間內所開立之帳戶被定義為一新開戶。
  12. 如請求項1所述的方法,其中,在步驟(G)中,該等可疑交易判定規則包含:對於同一顧客所開立的所有帳戶,當在該等N個歷史營業日內的其中兩個帳戶分別具有相關於現金移轉之的一現金提款交易與一現金存款交易,同時該現金提款交易與該現金存款交易的提存比係在一預定範圍時,該現金提款交易與該現金存款交易被判定為可疑交易。
  13. 如請求項1所述的方法,其中,在步驟(G)中,該等可疑交易判定規則包含:對於一連結有授信服務的帳戶,當在該當前營業日內的用於還款的總存款交易金額對於開立該帳戶之顧客的總欠款金額的還款比值係大於一預定比值時,相關於該總存款交易金額的對應筆交易被判定為可疑交易。
TW104144745A 2015-12-31 2015-12-31 監控可疑交易的方法 TWI584215B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW104144745A TWI584215B (zh) 2015-12-31 2015-12-31 監控可疑交易的方法
US15/393,320 US20170193514A1 (en) 2015-12-31 2016-12-29 Method for Performing Machine Detection of a Suspicious Transaction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104144745A TWI584215B (zh) 2015-12-31 2015-12-31 監控可疑交易的方法

Publications (2)

Publication Number Publication Date
TWI584215B true TWI584215B (zh) 2017-05-21
TW201723968A TW201723968A (zh) 2017-07-01

Family

ID=59235763

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104144745A TWI584215B (zh) 2015-12-31 2015-12-31 監控可疑交易的方法

Country Status (2)

Country Link
US (1) US20170193514A1 (zh)
TW (1) TWI584215B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020865A (zh) * 2019-01-17 2019-07-16 阿里巴巴集团控股有限公司 交易识别方法及装置
TWI679604B (zh) * 2017-05-26 2019-12-11 香港商阿里巴巴集團服務有限公司 確定使用者風險等級的方法及裝置、電腦設備
US10783457B2 (en) 2017-05-26 2020-09-22 Alibaba Group Holding Limited Method for determining risk preference of user, information recommendation method, and apparatus

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7657497B2 (en) * 2006-11-07 2010-02-02 Ebay Inc. Online fraud prevention using genetic algorithm solution
US11144928B2 (en) 2016-09-19 2021-10-12 Early Warning Services, Llc Authentication and fraud prevention in provisioning a mobile wallet
US11210670B2 (en) * 2017-02-28 2021-12-28 Early Warning Services, Llc Authentication and security for mobile-device transactions
US11556991B1 (en) * 2017-12-29 2023-01-17 Wells Fargo Bank, N.A. Network-based joint investment platform
CN108492104B (zh) 2018-02-12 2020-10-02 阿里巴巴集团控股有限公司 一种资源转移监测方法及装置
US20190354982A1 (en) * 2018-05-16 2019-11-21 Sigue Corporation Wire transfer service risk detection platform and method
CN109242658B (zh) * 2018-06-05 2023-05-30 平安科技(深圳)有限公司 可疑交易报告生成方法、系统、计算机设备和存储介质
US11410153B1 (en) 2018-07-31 2022-08-09 Block, Inc. Enrolling mobile-payment customers after online transactions
CN109949149A (zh) * 2019-03-18 2019-06-28 上海古鳌电子科技股份有限公司 一种资金转移风险监控方法
CN110992045B (zh) * 2019-11-15 2024-03-22 安徽海汇金融投资集团有限公司 一种应收账款债权流转异常风险监控方法及系统
US11907367B2 (en) * 2019-11-22 2024-02-20 Microsoft Technology Licensing, Llc Dormant account identifier
CN111260368A (zh) * 2020-01-08 2020-06-09 支付宝(杭州)信息技术有限公司 一种账户交易风险判断方法、装置及电子设备
CN112101950B (zh) * 2020-09-27 2024-05-10 中国建设银行股份有限公司 可疑交易监测模型特征提取方法及装置
TWI838694B (zh) * 2022-02-11 2024-04-11 優利佳金融科技股份有限公司 評估個體合規風險之裝置、方法及電腦可讀媒介
CN114742655B (zh) * 2022-06-13 2022-09-02 杭银消费金融股份有限公司 基于机器学习的反洗钱行为识别系统
US11997145B1 (en) * 2022-08-17 2024-05-28 Wells Fargo Bank, N.A. Account registration session management operations using concurrent preliminary risk scoring
CN117011063B (zh) * 2023-09-25 2023-12-29 中国建设银行股份有限公司 客户交易风险预测处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050125338A1 (en) * 2003-12-09 2005-06-09 Tidwell Lisa C. Systems and methods for assessing the risk of a financial transaction using reconciliation information
TW200921542A (en) * 2007-11-08 2009-05-16 Syscom Comp Engineering Co Security management and detection systems and methods for financial transactions
US7905396B2 (en) * 2003-12-09 2011-03-15 First Data Corporation Systems and methods for assessing the risk of a financial transaction using authenticating marks
TWI367452B (en) * 2009-08-21 2012-07-01 Shih Chin Lee Method for detecting abnormal transactions of financial assets and information processing device performing the method

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6094643A (en) * 1996-06-14 2000-07-25 Card Alert Services, Inc. System for detecting counterfeit financial card fraud
US7263506B2 (en) * 2000-04-06 2007-08-28 Fair Isaac Corporation Identification and management of fraudulent credit/debit card purchases at merchant ecommerce sites
GB0029229D0 (en) * 2000-11-30 2001-01-17 Unisys Corp Counter measures for irregularities in financial transactions
GB0901589D0 (en) * 2009-01-30 2009-03-11 Omar Ralph M Improvements relating to multifunction authentication systems
US8751375B2 (en) * 2009-08-31 2014-06-10 Bank Of America Corporation Event processing for detection of suspicious financial activity
WO2012082935A2 (en) * 2010-12-14 2012-06-21 Early Warning Services, Llc System and method for detecting fraudulent account access and transfers
US20130218657A1 (en) * 2011-01-11 2013-08-22 Diane Salmon Universal value exchange apparatuses, methods and systems
US20150193768A1 (en) * 2014-01-09 2015-07-09 Capital One Financial Corporation Method and system for providing alert messages related to suspicious transactions

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050125338A1 (en) * 2003-12-09 2005-06-09 Tidwell Lisa C. Systems and methods for assessing the risk of a financial transaction using reconciliation information
US7905396B2 (en) * 2003-12-09 2011-03-15 First Data Corporation Systems and methods for assessing the risk of a financial transaction using authenticating marks
TW200921542A (en) * 2007-11-08 2009-05-16 Syscom Comp Engineering Co Security management and detection systems and methods for financial transactions
TWI367452B (en) * 2009-08-21 2012-07-01 Shih Chin Lee Method for detecting abnormal transactions of financial assets and information processing device performing the method

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI679604B (zh) * 2017-05-26 2019-12-11 香港商阿里巴巴集團服務有限公司 確定使用者風險等級的方法及裝置、電腦設備
US10783457B2 (en) 2017-05-26 2020-09-22 Alibaba Group Holding Limited Method for determining risk preference of user, information recommendation method, and apparatus
CN110020865A (zh) * 2019-01-17 2019-07-16 阿里巴巴集团控股有限公司 交易识别方法及装置

Also Published As

Publication number Publication date
TW201723968A (zh) 2017-07-01
US20170193514A1 (en) 2017-07-06

Similar Documents

Publication Publication Date Title
TWI584215B (zh) 監控可疑交易的方法
CN108846520B (zh) 贷款逾期预测方法、装置以及计算机可读存储介质
US20220122171A1 (en) Client server system for financial scoring with cash transactions
US7966256B2 (en) Methods and systems of predicting mortgage payment risk
Featherstone et al. Determining the probability of default and risk‐rating class for loans in the seventh farm credit district portfolio
CN109829776A (zh) 商户风险评估方法、装置、计算机设备和存储介质
CN106651570A (zh) 一种贷款实时审批系统和方法
US20120330819A1 (en) System and method for locating and accessing account data
US20160104238A1 (en) System and method to search and verify borrower information using banking and investment account data and process to systematically share information with lenders and government sponsored agencies for underwriting and securitization phases of the lending cycle
US20110166987A1 (en) Evaluating Loan Access Using Online Business Transaction Data
GB2436381A (en) Systems and method of detecting mortgage related fraud
US20190130481A1 (en) Entity Segmentation for Analysis of Sensitivities to Potential Disruptions
Gitau The relationship between financial innovation and financial performance of commercial banks in Kenya
JP3896377B2 (ja) 与信審査を利用したスコアリングモデル評価方法およびスコアリングモデル評価プログラム
CN106846148A (zh) 一种流程闭环模式下的贷后检查管理方法
CN114463119A (zh) 信用评估方法、装置及电子设备
JP2007004828A (ja) 与信審査を利用したスコアリングモデル評価装置および審査システム
CN112907361A (zh) 一种用于处理贷款申请的方法和装置
RU2630169C1 (ru) Автоматизированная вычислительная система для формирования и мониторинга инвестиционных портфелей акций
TW201327453A (zh) 微型企業融資風險評估方法
AU2008311048A1 (en) Methods and systems of predicting mortgage payment risk
CN110675240B (zh) 风险雷达预警的监控方法及系统
KR102133668B1 (ko) 대출 중개 플랫폼 시스템 및 신용도평가 장치
CN110570301B (zh) 风险识别方法、装置、设备及介质
US11915313B2 (en) Using email history to estimate creditworthiness for applicants having insufficient credit history