范玉洁 武明虎

摘 要：中国人民银行最新发布的数据显示，截止2017年底，全国银行卡发卡数量66.93亿张。已经成为大众必备的金融服务工具，但是欺诈带来了安全隐患，会造成严重经济损失，必须非常重视。文章先介绍基本概念，再从不同方面展开论述，从而促进更好发展。

关键词：BP神经网络;银行卡反欺诈;系统研究

0 引言

银行卡直接关系到企业、个人的财产，可以为使用提供方便，对资金进行科学管理。近几年媒体新闻不断曝光欺诈事件，违法犯罪分子采用先进手段侵害用户利益，因此要研究反欺诈系统。主要目的是建立起一层保护屏障，更加安全、放心的使用银行卡。

1 BP神经网络和银行卡反欺诈模型的基本概述

1.1 BP神经网络

采用BP算法的多层神经网络模型一般被称为BP神经网络，由不同部分组成，发挥着各自的作用，有着强大的感知功能，能够实现多层次网络学习，给人们带来不一样的体验。BP神经网络算法是典型的由监督学习算法，整个过程通过对信号的传递、转化来完成，不断调整网络权值，直到最接近真实答案的时候才停止运行，BP网络训练才完成。其具有解决复杂的非线性问题特点，过程是基于完善的数学理论，有着严密逻辑性。但是也存在缺陷，一是收敛速度慢，训练时间比较长，整个建模过程很难控制;二是容易陷入局部极小值，所以还需要完善才能发挥出更大作用

1.2 银行卡反欺诈模型

银行卡是一种免担保，不需要重复申请而且拥有循环额度的信贷工具，可以满足用户需求。从目前情况来看，业务风险主要包括信用风险、欺诈风险以及操作风险三大类，要想保护自身合法权益，必须建立反欺诈模型，可以减少此类情况的发生。在经济快速发展今天，很多人为了得到利益不择手段，欺诈就是其中一种，已经构成违法犯罪，造成严重经济损失。要结合银行卡发行实际情况以及大部分用户需求，对欺诈进行深入研究，找到其中原因，然后再进行设计反欺诈模型，这样会更加具有针对性，大大提高银行卡安全等级。

2 基于BP神经网络的银行卡反欺诈系统研究的意义

银行卡由于自身特点，发卡行只有合理控制风险才能获得一定受益，有利于实现长远发展。相对于西方发达国家而言，我国银行卡业务起步比较晚，风险管理水平有限，成为发展中的阻力因素。针对于风险管理而言，在很多方面依然需要进一步完善，不断提高整体水平。所以要立足于实际情况，积极借鉴国外银行卡风险管理技术和经验，研究出适合国内银行卡风险管理模型。对于每一个人来说，财产都是非常重要的，如果银行卡存在较高风险，就会降低民众信誉度，不利于银行业务发展。反欺诈系统可以创建出安全市场环境，为资金提供强大保障。

3 基于BP神经网络的银行卡反欺诈模型分析

基于BP神经网络的银行卡反欺诈模型分析主要从BP神经网络的银行卡反欺诈模型的优势和BP神经网络的银行卡反欺诈模型设计等两个方面展开分析。

3.1 BP神经网络的银行卡反欺诈模型的优势

在银行卡风险管理建模中，主要风险是持卡人的信用方面，很难达到预期效果。通过分析发现原因是统计规律简单，都是一些常规性的内容，例如姓名、年龄、婚姻、户籍地址等，将其和中国人民银行的征信信息有机结合进行综合建模。相对于信用风险而言，欺诈行为模式具有隐蔽、不断变化的特点，这就增加了难度，调查起来根本没有规律可循。历史数据具有数量大、复杂性的特点，所以很难发现，一般统计模型用于反欺诈建模效果都不是很好。因此要加大技术研究，攻克反欺诈建模中的难题，建立起一个完整体系。

神经网络具有自学习、自组织、自适应以及联想记忆功能等特点，尤其是在解决复杂问题上有着强大作用。在银行卡反欺诈中，采用神经网络中的BP算法作为反欺诈建模方法，通过不断学习训练样本，可以发现其中蕴含的规律，通过网络优势进行适当调整，最终能在一定误差允许范围之内接近样本实际目标值。另外BP算法引入了隐藏层，可以以任何精度逼近复杂的非线性问题，具有更好的联想、分类和记忆等功能。采用BP神经网络建模，算法学习不再是一件困难的事情，网络模型设计可以在短时间内完成，可以顺利实现预期目标。

3.2 BP神經网络的银行卡反欺诈模型设计

BP神经网络拓扑结构设计。BP神经网络是多层前馈型网络结构，由输入层、隐藏层以及输出层组成，很多隐藏层主要是为了解决复杂问题，可以大大提高结果的精确性。但是多个隐藏层自身也存在一定的弊端，导致初始网络结构设计和训练过程中的网络结构调整都比较复杂，很难实现有效控制。确定了BP神经网络的三层结构，接下来需要确定每层的单元数目，这样神经网络拓扑结构设计才算完成。输入层的单元数目由数据预处理中选择的特征变量数目确定，输出层单元数目由预测的目标确定。只有不断深入分析，才能得出欺诈的可能性。

BP神经网络算法相关设计。本文的反欺诈核心模块，采用带动量项且引入陡度因子的BP神经网络改进算法，避免了整个过程中复杂程序，节省了大量时间。同时为了提高模型的泛化能力，避免过拟合情况的出现，我们采用公式3.4计算网络误差，使得最终网络训练在综合考察网络性能和网络复杂性时达到最优。算法是非常重要的，可以保证符合逻辑推理规律，保证最终结果正确性。要树立起创新意识，未来面临情况会更加复杂，所以要提高BP神经网络应用程度，才能保护银行卡使用安全。

4 结语

综上所述，基于BP神经网络的银行卡反欺诈系统研究具有重要意义，可以提高使用安全性，避免造成经济损失。要学会用发展眼光去看待问题，在现有基础上不断完善，发挥出BP神经网络的优势，从而促进银行实现可持续发展。

参考文献：

[1]周鸣.基于神经网络的银行卡反欺诈系统模型的改进及其实证[D].华东师范大学，2017.

[2]伍保华.基于神经网络的信用卡反欺诈系统研究[D].武汉理工大学，2016.