手机看中经经济日报微信中经网微信

人工智能为反欺诈睁开一双慧眼

2017年11月13日 06:40   来源:中国经济网-《经济日报》   

  近日,在JDD大会上,京东金融集团副总裁、技术研发部总经理曹鹏介绍京东金融云所运用的生物识别等人工智能技术。经济日报·中国经济网记者 钱箐旎摄

  美利金融大数据风控墙实时显示用户画像综合分析。经济日报·中国经济网记者 钱箐旎摄

  如今,线上交易已经成为人们日常生活的一部分,包括手机支付、网上申请贷款等,都极大便利了人们的生活,提高了效率。然而,技术的快速更新,在带来诸多益处的同时,也出现了新的风险

  小雨点网贷首席风控官陈绍林告诉《经济日报》记者,由于网络上实施信用贷款,没有线下检验,放款速度快,因此最大的风险就是批量欺诈。据他介绍,骗贷集团突破反欺诈算法以后,可以快速造成巨大经济损失。与此同时,经济损失后的追查也很困难,对很多互联网金融平台而言,欺诈所造成损失已经超过了客户信用风险损失。

  那么,在互联网金融领域,目前反欺诈技术已经发展到了哪一步?还有什么需要突破的地方呢?

  反欺诈的核心要点是“三真”

  针对真实身份、真实场景(交易)、真实还款意愿的反欺诈核心要点,人工智能可以根据多维度、全方位的信息,进行准确、快速判断,成为反欺诈的核心技术手段

  “反欺诈不是一个静态过程,因为对方永远在寻找你的漏洞。”在互联网金融领域,这样的看法已经成为业内共识。也就是说,反欺诈需要互联网金融机构准备一整套“抵御”方案,必须做到与时俱进,能够自我更新,识别新的欺诈手法,提高防欺诈成本。

  当前互联网金融业务中,常见的欺诈行为有哪些呢?据了解,金融欺诈涉及的业务环节多且手段多样,也较为隐蔽。主要包括伪造身份注册或冒用他人身份注册,盗用或冒用账户,同时向多个互联网金融平台申请超过自身偿还能力的贷款,恶意拖欠;此外,还包括返利套现、“薅羊毛”等行为。

  “反欺诈的核心要点是‘三真’,即真实身份、真实场景(交易)、真实还款意愿。”陈绍林表示,反欺诈的核心技术是人工智能,核心技术要点是根据多维度、全方位的信息,数据准确、快速判断“三真”。在他看来,用于反欺诈的人工智能技术还需要及时更新。“因为面对新的欺诈出现,使用旧有反欺诈手法是不能预警的,所以需要用到机器学习、快速学习和识别。”陈绍林说。

  比如,小雨点网贷采用了人工智能的机器学习算法,在客户申请初期,就可以发现可疑行为,并自动关联之前类似贷款,产生新的反欺诈规则。又如,凡普金科创始合伙人兼首席执行官董祺介绍,为增强公司的风控能力,凡普金科在去年底就发布了自主研发的“Finup 云图”大数据动态风控生态系统。通过将知识图谱和深度学习相结合,“云图”可以模仿人类大脑行为,自动发现隐藏在复杂关系里的风险点,挖掘潜在欺诈行为。

  图计算技术直指团伙性欺诈

  在当前反欺诈业务中,团伙性欺诈识别仍属难点。为此,金融机构引入图计算技术,能够极大提高团伙性欺诈识别效率和处置时间节点

  值得注意的是,不少业内人士表示,不管是欺诈还是洗钱等多种恶意行为,已经越来越倾向于群体性产业链的一系列相关事件行为。据网贷之家研究员苏筱芮介绍,近期暴雷的网络借贷平台背后,多多少少都离不开“羊毛党”的身影——团体行动从某个平台上获取佣金或返利等行为,在一定程度上也导致平台出现流动性风险。

  “对于行业来说,在当前反欺诈业务中,对于团伙性欺诈的识别仍是一个难题,特别是在车贷业务中,团伙性欺诈会造成非常大的经济损失。”美利金融有关负责人表示,目前,互联网金融行业主要是通过人工线下调查的方式去发现欺诈团伙,效率低且发现时间晚。如果能借助一些大数据技术进行风险防控,就能够自动发现一些疑似欺诈团伙并进行提示。如果再结合反欺诈团队的人工排查,就能极大提高效率和处置时间节点。

  实际上,这就是图计算技术。京东金融集团副总裁、技术研发部总经理曹鹏坦言:“我们需要更多的把一个用户及其行为,以及和他行为相关人的一系列行为,全部拿出来,并在这个维度上去做风控才能更准确。”据他介绍,在这一过程中,京东金融会运用图计算技术,通过超过10亿个用户节点的图,以及所有在这些节点上发生的相关行为连接,最终可以把一系列的用户和行为都描述出来。

  “所谓物以类聚、人以群分。单个人的节点即便看起来再好、收入再多,如果他周围相关联系人都是做欺诈、套现或者其他相关灰色产业的人,这个人存有恶意的机率就非常大。”曹鹏说,反之,如果我可能没有这个人的具体描述,但与其相关的周围区域ID都是很良性的、信用良好的或者收入很高的人,这个人也相应信用良好的概率就比较大。

  与之类似,美利金融风控审批系统以客户、合同、设备、工作单位等作为图谱节点,以实体之间的关系(如紧急联系人、担保人等)作为图谱边缘,基于“坏人具有高黑度值,而好人具有低黑度值”的假设,根据社交网络传播理论实现染黑度模型算法,评估客户的潜在欺诈风险。

  基础数据建设仍有待完善

  目前,对于反欺诈技术来说,仍然存在一些难点有待突破。专家认为,开发完备国内基础数据服务,提升数据质量,处理好用户体验是实现突破的关键

  “在当今大数据时代,面对每个用户都能抽象出上亿个维度的时候,我们有足够能力可以通过这些维度测出这个人的还款能力、还款意愿以及欺诈性。从经营整体效率上来讲,这会大大提高普惠金融的程度。”北京互联网金融协会副会长、INK银客集团创始人、总裁林恩民表示。

  尽管当前反欺诈技术不断提升,却仍然存在一些难点有待突破。在陈绍林看来,这些难点主要表现在:目前国内很多基础数据服务还不完备,数据质量和完整性还不够,以及在反欺诈过程中,如何处理好用户体验,以免误伤真实客户等方面。林恩民同样认为,我国还有很多基础建设实质上有待开发,比如移动支付技术、生物识别技术等,这些基础信息建设完成之后,对于整个金融业将具有巨大推动作用。

  以生物识别技术为例,曹鹏介绍,基于该技术,京东金融可以通过APP采集到用户在整个使用中超过120个指标,通过收集用户的行为去判断此人是否为风险用户,实现用户的身份判定。也就是说,如果一个人手机丢失,基于生物识别技术,金融机构就可以识别出是否是本人在使用。据了解,这项技术已经大量应用于京东金融的反欺诈和防盗刷的场景之中。

  那么,这项技术具体是如何实现的呢?记者在生物探针系统的后台看到,当一个人在前台进行相关操作时,在后台可以看到其行为是在“0”附近正负波动。然而,一旦整个操作换人以后,其整个行为相关度就会迅速下降到负数。

  此外,有业内人士表示,对于互联网金融公司而言,不能为了科技而科技,应该根据公司发展具体情况,选择更为合适的反欺诈手段。比如,票据宝结合票据业务的特点,采用“人工+机器”双审核的方式,即由运营团队的专业票据人员筛选票据,再运用专业的验票仪器进行检验,最后关卡手工验票等方式,严控短期流动性风险,进而降低由虚假票据所产生的欺诈风险。经济日报·中国经济网记者 钱箐旎

(责任编辑:符仲明)