标准规范下载简介
JR／T 0202-2020 基于大数据的支付风险智能防控技术规范.pdfICS35.240.40 CCS A 11
JR/T 02022020
GB／T 50252-2018 工业安装工程施工质量验收统一标准(完整正版，清晰无水印)Bigdatabasedintelligentpaymentriskcontroltechnicalspecification
引言. 范围 规范性引用文件. 术语和定义， 技术框架 风险防控系统安全要求. . 附录（资料性）机器学习.. 参考文献..
JR/T 02022020
本文件按照GB/T1.1一2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由中国人民银行提出。 本文件由全国金融标准化技术委员会（SAC/TC180）归口。
本文件按照GB/T1.1一2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定 青注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由中国人民银行提出。 本文件由全国金融标准化技术委员会（SAC/TC180）归口
JR/T0202—2020引言随着大数据、移动互联、人工智能、生物特征识别等技术的快速发展，支付方式正在发生着巨大而深刻的变革，新技术在丰富支付手段、提高支付效率的同时，带来了新的隐患，也对从业机构的支付风险防控能力提出了更高的要求。为规范大数据与人工智能技术在支付风险防控领域的应用，提高支付风险防控技术的针对性和有效性，切实保障人民群众信息和资金安全，编制本文件。行业标准信息服务平台III
数据的支付风险智能防控技术
本文件规定了基于大数据、人工智能等技 本文件适用于与支付相关的商业银行、非银行支付机构和清算机构等开展支付风险防控体系建设、运 用智能防控技术搭建风险智能防控系统、提供支付风险防控服务等工作
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 又该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文 JR/T0071一2020金融行业网络安全等级保护实施指引 JR/T0171一2020个人金融信息保护技术规范
风险智能防控intelligentriskcontrol
NR/I02022020
具有体量巨大、来源多样、生成极快且多变等特征，并且难以用传统数据体系结构有效处理的包含大 量数据集的数据。 注：国际上，大数据的4个特征普遍不加修饰地直接用volume、variety、velocity和variability予以表达，并分 别赋予其大数据语境下的定义： a）体量volume：构成大数据的数据集的规模。 b）多样性variety：数据可能来自多个数据仓库、数据领域或多种数据类型。 c）速度velocity：单位时间的数据流量。 d）多变性variability：大数据其他特征，即体量、速度和多样性等特征都处于多变状态。 [来源:GB/T35295—2017. 2. 1. 11
大数据技术bigdatatechnology
机器学习machinelearning
利用已标记的有限训练数据集， 万法建立模型，实现对新数据或实例 类）或映射 注：最典型的监督学习算法包括回归和分类
在训练过程中利用小部分的标记数据，以及大部分的非标记数据进行训练学习，介于监督学习（3.7） 和无监督学习（3.9）之间的1种学习方法。
无监督学习unsupervisedlearning
流处理streamprocessing
GB 50013-2018 室外给水设计标准(完整正版、清晰无水印)JR/T 02022020
4. 2. 3合规风险
金证券或者其他债权凭证的方式向社会公众筹集资金，并承诺在一定期限内以货币、实物以及其 他方式向出资人还本付息或给予回报的行为。
JC／T 2279-2014 玻璃纤维增强水泥(GRC)屋面防水应用技术规程4. 2. 4 其他风险类型
除了欺诈风险和合规风险之外，不同机构、不同业务场景可能存在其他的风险类型，如资金清算风险、 用户道德风险等。
风险防控技术是基于大数据的支付风险智能防控技术框架的核心组成部分，包含风险防控策略、风险 言息处理、支付风险评估、风险监测与决策、风险处置等五个模块。一是通过大数据、机器学习等技术建 立满足要求的风控模型，进一步加强对风险的事前预测和事中识别的能力。二是通过合理引入多个模型、 强鲁棒性的模型、抗AI攻击的模型等方式，提高模型评分的稳定性。三是支持多渠道、多维度的数据整合， 形成机构内统一的风控系统。 风险防控策略作为风险防控的第一道屏障，通过注册管理、合规审核、风险评级等方面控制，对潜在 风险进行初步分辨。风险信息处理包含交易要素过滤和名单匹配等，将过滤所得信息输出到支付风险评估 模型中。支付风险评估从模型方法、模型管理等方面设计模型，完成对潜在风险的识别、分析和评价。根 居风险模型的计算结果，结合业务要求，采取阻断、挂起、预警、批准等不同的决策行为。最后，在决策 的基础上，开展风险调查、关联排查、案件协查等，其结果可以优化风险防控策略。