傳統(tǒng)銀行反欺詐模型的局限

時(shí)間：2022-03-24 09:24:01 | 來(lái)源：行業(yè)動(dòng)態(tài)

時(shí)間：2022-03-24 09:24:01 來(lái)源：行業(yè)動(dòng)態(tài)

銀行經(jīng)過(guò)多年歷史數(shù)據(jù)沉淀，擁有大量的歷史違約和欺詐數(shù)據(jù)，是反欺詐的重點(diǎn)聚焦領(lǐng)域。但對(duì)傳統(tǒng)銀行來(lái)說(shuō)，一些傳統(tǒng)的反欺詐手段，無(wú)論在效率、有效性、全面性以及成本上都是銀行的短板，尤其隨著互聯(lián)網(wǎng)金融的興起，非現(xiàn)場(chǎng)交易增多，更是加劇了銀行風(fēng)險(xiǎn)防控的難度。

小眾的欺詐事件越來(lái)越難以用商業(yè)經(jīng)驗(yàn)和確切規(guī)則描述出來(lái)，國(guó)內(nèi)目前的欺詐都是rule base（規(guī)則驅(qū)動(dòng)）的，即憑借過(guò)往經(jīng)驗(yàn)和從此前發(fā)生過(guò)的事實(shí)中，抽象出系列規(guī)則，每一條規(guī)則觸發(fā)一種欺詐場(chǎng)景，交叉組合所施加的業(yè)務(wù)邏輯判斷，就構(gòu)成了欺詐模型，天云大數(shù)據(jù)CEO雷濤在接受第一財(cái)經(jīng)采訪時(shí)表示。



但在這個(gè)過(guò)程中，傳統(tǒng)規(guī)則的模型就會(huì)帶來(lái)很多問(wèn)題，雷濤表示，申請(qǐng)欺詐就很難將一些難以描述的規(guī)則抽象出來(lái)。

例如，團(tuán)伙在某村莊以招工的名義大量收取村民的身份證，并申請(qǐng)信用卡，然后刷卡透支，讓村民背負(fù)銀行債務(wù)。此時(shí)，銀行按照過(guò)往經(jīng)驗(yàn)便會(huì)判定該村地址為欺詐地址，使該村村民抹上信用污點(diǎn)，然而事實(shí)并非如此。因此，對(duì)于抽象的、難以描述的金融現(xiàn)象，便可以借助機(jī)器處理。

作為人工智能最重要的技術(shù)機(jī)器的深度學(xué)習(xí)，其最大價(jià)值就是能夠做特征表達(dá)，通過(guò)一個(gè)數(shù)學(xué)的復(fù)雜結(jié)構(gòu)來(lái)表達(dá)一些以往很難描述的金融現(xiàn)象，因此特別適合處理風(fēng)險(xiǎn)、欺詐以及金融產(chǎn)品的營(yíng)銷(xiāo)這些依靠過(guò)往經(jīng)驗(yàn)難以準(zhǔn)確定量的事件。

深度學(xué)習(xí)在金融領(lǐng)域本質(zhì)上還是進(jìn)行特征提取和問(wèn)題描述，因?yàn)樵谡麄€(gè)金融鏈條上，包括借貸、個(gè)人理財(cái)、等多種金融產(chǎn)品和服務(wù)上，數(shù)據(jù)都起著核心作用，尤其是銀行，擁有著上億規(guī)模的標(biāo)注數(shù)據(jù)。機(jī)器的深度學(xué)習(xí)可以將這些數(shù)據(jù)通過(guò)特征表達(dá)的方式轉(zhuǎn)化到復(fù)雜的數(shù)據(jù)模型上，并依靠深層的神經(jīng)網(wǎng)絡(luò)，生成多層非線性的表達(dá)，這種表達(dá)可以代替原先的簡(jiǎn)單描述，雷濤稱(chēng)。例如Alpha go，就是利用深層的神經(jīng)網(wǎng)絡(luò)解決了對(duì)棋手棋風(fēng)的描述和棋手大局觀的定義問(wèn)題，從而使之戰(zhàn)勝世界級(jí)冠軍。

事實(shí)上，國(guó)內(nèi)目前將人工智能的深度學(xué)習(xí)技術(shù)與銀行反欺詐相結(jié)合的應(yīng)用還比較少，一些征信類(lèi)公司開(kāi)始通過(guò)提供豐富的外部數(shù)據(jù)資源來(lái)為銀行提供反欺詐技術(shù)支持。例如前海征信產(chǎn)品部門(mén)基于Encoder-Decoder深度學(xué)習(xí)技術(shù)框架設(shè)計(jì)的智能風(fēng)控專(zhuān)家機(jī)器人，可以應(yīng)用于銀行業(yè)風(fēng)控反欺詐領(lǐng)域，解釋貸款產(chǎn)品特性、借款人風(fēng)險(xiǎn)識(shí)別、貸款產(chǎn)品政策等各類(lèi)問(wèn)題，高效智能地服務(wù)信貸審批、貸后風(fēng)控管理和資產(chǎn)組合經(jīng)理，提升信貸產(chǎn)品審批速度，降低客戶違約率，防范貸款欺詐風(fēng)險(xiǎn)。

同時(shí)，一些金融科技企業(yè)也正在與銀行合作。例如天云大數(shù)據(jù)近期就利用其模型算法訓(xùn)練平臺(tái)（MaximAI）為光大銀行提供反欺詐方面的技術(shù)支持?；跇颖緮?shù)據(jù)進(jìn)行一站式的模型算法訓(xùn)練、驗(yàn)證以及輸出。訓(xùn)練完成的模型算法程序，被輸出到欺詐分析引擎中，運(yùn)行于大數(shù)據(jù)平臺(tái)技術(shù)上，實(shí)現(xiàn)了實(shí)時(shí)在線對(duì)交易數(shù)據(jù)進(jìn)行欺詐識(shí)別。

然而，目前在銀行反欺詐方面中國(guó)與北美的差距還是很大的，硅谷的金融科技創(chuàng)業(yè)公司很早就將這一技術(shù)應(yīng)用到金融反欺詐中。例如，京東和百度同時(shí)投資的美國(guó)金融科技公司Zest Finance，便是利用機(jī)器的深度學(xué)習(xí)這一人工智能中最重要的技術(shù)手段，從大量的數(shù)據(jù)中提取變量并采用多個(gè)預(yù)測(cè)分析模型包括欺詐模型、預(yù)付能力模型來(lái)幫助用戶降低信貸成本，其核心競(jìng)爭(zhēng)力便是數(shù)據(jù)挖掘能力和模型開(kāi)發(fā)能力。