据悉，中国银保监会近日向各大银行、股份制银行通报信用卡业务检查发现的主要问题。通报内容主要在于信用卡与消费信贷相关，以及支付行业极为敏感的套现问题。
监管要求银行完善信用卡异常交易监测。
有效监测识别套现行为，关注套取积分、通过第三方支付机构套现、一人为多人代还欠款等行为风险，强化管控措施力度。正确设置收单商户识别码，不得以信用卡为通道发放经营性贷款，杜绝员工利用职务便利获取不当利益。
监管要求对异常用卡客户从严授信。
从严管控涉嫌套现、逾期、多头借贷、网贷共债、代还款等行为客户的授信。加强关系人管理。准确界定关系人范围，不得为关系人发放信用贷款。加强临时额度管理。合理设定调整频率、次数、期限及金额等，按照监管要求进行风险计提、额度合并管理等。
银保监会本次通报旨在降低信贷风险，要求银行在合作机构方降低套现风险，而在用户端严控授信，加大风控力度。在银保监会的通报之下，支付行业正在经历新的风波，套现营收或将受到较大影响。
信贷业务本身是一种授信行为，信贷机构在办理信贷业务时需要对借款人的还款意愿和还款能力进行调查和了解并进行评估，以决定是否对借款人授信以及授信的额度和期限。为避免贷款风险、保障资金安全，需要在贷前、贷中、贷后多个环节进行信贷风控。
信贷专家决策引擎
由国舜股份产品研发团队研发，面向银行信贷审批业务、信用卡审批业务、消费金融类业务等，可帮助银行快速识别客户信用风险及欺诈风险，并依据风险评估结果给出处置意见，从而降低银行风险损失，提升审批效率。
在贷前阶段：
利用设备反欺诈数据及规则集对申请的设备进行欺诈识别，过滤掉有高欺诈风险的客户；利用反欺诈模型对申请人进行欺诈识别，判断申请人是否为本人，并识别欺诈意图；通过多种不同维度对客户的信用风险进行全面评估，判断客户的还款能力、还款意愿和稳定性；根据客户提供信息的不同，利用授信额度模型，对经过反欺诈和信用评估的客户进行预授信额度、期限的设定，利用利率定价模型对申请客户的利率进行设定。
在贷中、贷后阶段：
对贷款客户行为进行监控预警管理，贷后利用大数据科技手段充分挖掘逾期客户个人资产价值，通过早期催收模型、晚期催收模型识别个人信贷客户潜在风险与价值。以此协助客户解决逾期、不良管控的顽疾，降低委外催收成本，同时实现风险管控的前移，及时止损。
信贷流程支持复杂层级管理、灵活层级设置和流程管控，黑白名单、评分规则模型、利率计算等。
可根据客户需求选择适用规则投入使用，如黑灰名单查询、法院执行情况查询，申请信息关联查询等规则策略、设备反欺诈规则集等。同时，通过后续对信贷机构客群的了解加深和对数据的细致分析、规则调优，确保客户的审批质量。
使用客群评分模型帮助信贷机构在自有数据不足的情况下，对相应的消费场景和客群做信用评估；对于有一定数据量积累信贷机构积累一定量的数据后，根据信贷应用场景，进行定制化的模型建设，形成更加具有针对性的模型和规则策略。
通过图计算、深度学习、链接预测等手段为客户提供系列化知识图谱应用解决方案，以数据可视化的形式直观反映客户、IP、设备等之间的关联性，有效分析出复杂关系中的潜在风险，精准侦测组团欺诈等信贷风险场景，助力风控决策。
实现模型平台化部署，根据客户实际业务情况搭建的模型均可部署在模型中心模块。根据配置中心的流程配置以及数据平台的数据输出，可根据实际的业务灵活配置模型的业务流程，便于业务流程的制定与修改。保证模型及数据的输出结果保存于行内，确保行方数据安全存储，无外泄风险，并可和银行现有的业务系统无缝对接。
通过前期采集大量异构、多源化信息并验证其真实性，进一步通过机器学习、模型算法等技术对海量数据进行智能化深入分析，提取用户多维风险特征、总结异常规律，实现对欺诈风险行为的及时预测、快速识别、精准定位、正确处置，降低误报漏报，助推全流程信贷风控体系建立。
国舜灵鲲联邦学习是一种加密的分布式机器学习技术，为金融机构提供能保护数据隐私，远程操作、低成本快速迭代的大数据风控联合建模服务，基于保护数据隐私为前提，各方数据不离开本地进行联合建模，共同参与训练金融风控模型训练，进而提升模型效果、打通数据孤岛、释放数据价值。
