随着互联网特别是移动互联网的快速普及,传统银行业务正在面临着数字化转型的机遇与挑战。为方便终端用户,并且积累数字化资产,银行的很多业务已经从线下迁移至线上,线上营销和推广活动也日渐多样化。与此同时,针对银行营销和推广的各种欺诈行为层出不穷。面对专业化、系统化的欺诈团伙,传统基于专家规则的反欺诈方法易于被破解和绕过,而造成较大经济损失。因此,银行营销反欺诈系统亟需与大数据、机器学习技术融合来为银行业务提供安全风控的支撑。本文所提出的营销反欺诈监控分析系统从H银行的实际情况出发,融合了基于用户黑名单的欺诈检测方法、基于专家规则的欺诈检测方法以及基于机器学习模型的欺诈检测方法,通过三层检测机制的打通形成了一条完整的欺诈用户检测链路,极大地提升了对欺诈用户的识别率。系统进一步通过增加人工审核机制,有效地降低了将正常用户误判为欺诈用户的风险。此外,系统建立了模型管理与效果监测机制,以方便管理人员对欺诈模型进行管控与迭代。在架构设计层面,本系统基于微服务架构的思想进行规划和设计,开发了用户黑名单检测管理、专家规则检测管理、模型欺诈检测、欺诈模型管理、欺诈人工审查、模型效果监测,以及用户检测结果统一推送等微服务,形成互联互通的基于微服务架构的反欺诈监控分析系统。本系统通过网关服务与银行营销业务系统进行数据交互,对欺诈用户进行拦截。在具体工程实现层面,本系统使用Spring Cloud框架构建系统,使用Rabbit MQ作为消息队列,使用My SQL和Redis作为主要的数据存储系统。在系统部署层面,本系统使用Docker容器作为微服务的部署载体。在分类预测的算法和模型层面,本系统选取SMOTE算法和XGBoost算法构建机器学习模型。目前,H银行部分线上营销业务系统已经接入本系统,在帮助H银行营销系统进行欺诈用户检测方面取得良好效果,大大降低了因用户欺诈行为所带来的经济损失,使得线上营销活动的实际效果得到了提升。