📚 课程目录第4章 BIN入门

4. BIN入门

在支付风控体系中，BIN（Bank Identification Number，银行识别码）是最基础、最稳定、也最容易被低估的一类数据。它通常指银行卡号的前6位，部分卡组织已扩展到前8位。BIN并不只是一个“卡号前缀”，而是连接发卡行、卡组织、卡种、地区、等级与交易规则的关键索引。理解BIN，是后续做商户画像、风险评分、规则引擎和模型特征工程的前提。

一、核心原理：BIN到底是什么

BIN是ISO/IEC 7812标准中定义的发行者识别号码（IIN）在支付行业中的常用叫法。一张银行卡号通常由三部分组成：

BIN/IIN：前6位或前8位，标识发卡机构、卡组织、卡种与地区等属性。
个人账户标识：中间部分，由发卡行分配，用于定位具体账户。
校验位：最后一位，通过Luhn算法校验卡号是否在格式上合法。

因此，BIN的核心作用是“识别发行方与卡属性”，而不是直接识别持卡人。风控系统拿到一笔交易时，往往先解析BIN，再结合商户、金额、设备、IP、时间等维度做综合判断。

关键认知：BIN是卡组织与发卡行之间的“路由与规则入口”。它决定了这笔交易走哪条清算网络、适用哪些交换费率、是否支持特定交易类型，以及风控上应匹配哪类策略。

二、发卡行识别与卡组织规则

BIN的第一层价值是识别发卡行。例如，某BIN段属于某家银行，风控系统就能知道该卡由谁发行、该行对拒付、3DS、预授权等规则的态度。第二层价值是识别卡组织。不同卡组织对BIN的分配、长度、校验和交易报文要求不同。

卡组织	典型BIN前缀	卡号长度	风控关注点
Visa	4	13/16/19	3DS、AVS、CVV、跨境交换费
Mastercard	51-55、2221-2720	16	2系列BIN、拒付监控、商户类别码
银联	62、60、81等	16-19	境内/境外、闪付、预授权
American Express	34、37	15	闭环网络、商户准入、欺诈模型
JCB	35	16-19	日本市场、跨境交易

卡组织规则直接影响风控策略。例如，Visa与Mastercard对拒付处理、责任转移、3DS验证的规则不同；银联在境内与境外的交易报文和清算路径也不同。风控系统在解析BIN后，应能自动匹配对应的规则集，而不是用一套策略打天下。

三、BIN与卡种、地区、等级的关系

BIN不仅标识发卡行，还隐含卡种、地区与等级信息。常见维度包括：

卡种：借记卡、信用卡、预付卡、商务卡、礼品卡。
地区：发卡国家/地区，如中国大陆、美国、新加坡、中国香港等。
等级：普卡、金卡、白金卡、世界卡、无限卡等。
品牌：Visa、Mastercard、银联、Amex、JCB、Discover等。
产品类型：个人卡、公司卡、政府卡、学生卡等。

这些属性对风控意义重大。例如，预付卡和礼品卡的拒付风险通常高于普通信用卡；跨境卡在商户首次交易时可能需要更严格的3DS或AVS校验；高端卡虽然额度高，但欺诈分子也常利用其进行大额套现。风控策略应基于BIN属性做差异化配置。

实战提示：BIN数据库需要持续更新。卡组织会新增BIN段、调整卡种或地区属性，发卡行也会迁移BIN。建议至少每月同步一次，并对高风险BIN段建立单独监控。

四、BIN在交易中的角色与案例场景

在一笔支付交易中，BIN的解析通常发生在授权请求之前或授权过程中。典型流程如下：

收单系统或网关接收卡号，提取前6或前8位。
查询BIN表，获取发卡行、卡组织、卡种、地区、等级等属性。
根据BIN属性选择路由：走Visa、Mastercard、银联或本地网络。
风控引擎加载对应规则：是否强制3DS、是否允许跨境、是否限制金额。
授权请求发送至发卡行，返回批准或拒绝。
交易后，BIN属性进入商户画像与风险评分特征。

以下是一个简化的BIN解析与风控决策伪代码：

bin = card_number[:6]
bin_info = bin_lookup(bin)

if bin_info is None:
    risk_score += 30
    action = "review"
else:
    if bin_info.card_type == "prepaid":
        risk_score += 20
    if bin_info.region != merchant_region:
        risk_score += 15
    if bin_info.level in ["platinum", "world", "infinite"]:
        risk_score += 5

if risk_score >= 50:
    action = "3ds_required"
elif risk_score >= 30:
    action = "manual_review"
else:
    action = "approve"

再看一个真实场景：某商户突然出现大量来自同一BIN段的交易，且金额接近授权上限。风控系统解析BIN后发现该BIN属于某境外预付卡，且该地区近期欺诈率上升。系统自动提高该BIN段的风险权重，触发3DS验证或人工审核，从而拦截批量盗刷。

常见误区：不要仅凭BIN判断交易是否欺诈。BIN是强特征，但不是唯一特征。欺诈分子可以伪造卡号格式，但无法轻易伪造发卡行授权。因此，BIN必须与CVV、AVS、3DS、设备指纹、行为序列等结合使用。

五、复盘与最佳实践

在实际风控运营中，BIN相关的常见问题包括：BIN表过期导致误判、BIN段被恶意利用、跨境BIN规则配置错误、预付卡BIN未单独设策略等。建议从以下方面复盘：

定期核对BIN表与卡组织官方数据，确保发卡行、卡种、地区准确。
对高风险BIN段建立名单，支持动态加减与灰度发布。
将BIN属性作为特征输入评分卡或模型，而不是硬规则唯一依据。
监控同一BIN段的交易集中度、拒付率、欺诈率，发现异常及时预警。
在商户画像中记录BIN分布，识别商户是否被特定风险BIN集中攻击。

BIN是支付风控的“第一公里”。掌握BIN的定义、发卡行识别、卡组织规则及其与卡种、地区、等级的关系，才能在后续的MCC分析、商户画像和实时决策中建立可靠基础。把BIN用对，风控系统就有了稳定的起点；把BIN用错，后续所有策略都可能建立在错误假设之上。