□本报记者 苏洁
近几年，以AI、大数据、区块链、云计算为代表的新兴科技正加速向金融领域渗透，产业生态的变革从没有像当下一样迅猛。互联网在加速金融业生态变革的同时，应用新技术识别生态中的各种风险，则成为金融行业的首要任务。
金融领域风险复杂丛生，包括账户安全、交易安全、支付安全、文本安全、图片安全等等。5月17日，第三方智能风险分析服务提供商同盾科技举办了首次“智能风控媒体培训班”。对于企业如何在数据处理、风控、反欺诈、人工智能等领域做到事前防备、事后预防？专家学者们给出了答案。
智能风控发展与创新
麦子金服副总裁兼首席风控官李晓忠认为，风险意味着预期的不确定性。金融风控的本质就是支持企业盈利最大化，风控应包括所有影响利润的节点因素，同时一定是要达到业务和风险的平衡。
他指出，风控是应用方法论，底层技术的创新往往不是来自风控领域，近几年围绕风控进行的创新，大多数都与人工智能相关。智能风控之所以渐渐成为人们关注的焦点，与其大大提升风控效率有很大关系。
利用AI、大数据、云计算等技术，结合各类风险模型搭建，可以实现在大批量作业下，风险识别更准，风险识别更快，同时也能实现机器对人的取代。
“智能风控在各种技术的加持下正在快速发展，如果将其比喻成人体结构，智能风控的发展进化历程，分别代表着人类的感官系统、大脑和四肢，逐步实现从大数据收集、机器识别和推理、智能决策执行等功能。”李晓忠介绍。
据不完全统计，仅2017年，中国的网络欺诈导致的损失近5000亿元。团伙欺诈的泛滥，给传统风控方式带来巨大挑战。线上欺诈逐渐形成了有组织、有纪律和分工明确的欺诈上下游产业链，如专业的技术开发产业、身份信用包装和虚假身份提供产业、业务漏洞发现和欺诈方法传授产业。
作为一家TOB型的企业服务公司，同盾科技利用AI、大数据、云计算等技术在背后做技术支撑，为银行、保险以及各类新金融机构提供一系列科技赋能的服务。秉承“智能分析即服务”的风控理念，同盾科技在甄别和预防黑产和团伙欺诈有着丰富的经验。
在分析大量真实团伙欺诈案例基础上，同盾科技归纳总结出团伙欺诈的特点、共性和作案手段：如技术更新快、组织基本稳定、关联关系强，以及为节省成本通常会重复利用信息、设备和账号等。
世间万物是错综复杂的关系网，但无论形式多么复杂，其本质都是简单的三元组，即：实体-关系-实体，这就是复杂网络技术原理的本源。
据同盾科技相关技术人士介绍，通过打通跨行业数据及外部数据，结合文本、图片等非结构化数据抽取技术，融合结构化与非结构化数据，将时空大数据编织成“实体-关系-实体”的拓扑关系网。当输入“种子数据/线索”，则由点及面、抽丝剥茧，最终顺藤摸瓜找到与之有关联的所有信息，并通过图计算、知识表示和机器学习等技术进行黑中介团伙等的智能化挖掘分析。
智能风控全流程解决方案
自从同盾科技在业内提出“智能风控”这一概念算起，智能风控正经历从1.0时代向2.0时代快速的跨越。2.0时代一个典型特征就是，智能风控对金融机构前中后台、非金融机构前中后端进行重塑，形成贷前贷中贷后体系化和全周期化的生态系统。
信贷产品全流程管理，广义来看分为事前、事中、事后三个阶段。如果以更细化的场景来看，通常解构成销售管理、反欺诈、贷前准入、客户授信、贷后管理各个环节。
销售管理环节。当下金融机构在销售管理环节，面临场景覆盖不足、数据纬度缺失、客户画像失真等挑战，因此也造成获客能力普遍低下，潜在客群也无法触达。销售管理的目标是为金融机构精准定位客户群体，设计客户满意的产品，降低对外部流量的依赖，提升单体客户的价值贡献。通过多方数据，比如设备标签、地域标签、需求标签、ID标签、属性标签融合建模有效建立客户的360度全景画像，这将对金融机构精准获客、盘活存量客户潜在价值有重要的作用。
贷前预防环节。欺诈风险多来自于贷前，反欺诈重点是在贷前识别出欺诈风险，在申请反欺诈场景中, 通过设备指纹、申请欺诈模型评分等多种手段来有效的核实用户实人身份，预防身份冒用、欺诈等风险，识别高风险交易的特征，将风险阻止在未发生之前。同时还要帮助用户建立完善的反欺诈体系，包括基于业务及对抗数据的异常预警，对抗场景效果的实时监控，基于人工智能及策略专家的攻击处置方案的快速生成和部署，检测算法和策略的全生命周期管理、全网黑产有价资源的持续挖掘和对抗等的技术及运营方案。在这个体系下，快速有效地攻击发现和处置方案实施能够有效地限制黑产攻击套利时间，能够极大提高攻击者的资金成本，从而实现对黑产的有效打击。
授信定价环节。授信是金融风险一个重要潜在来源，结合一方数据、三方数据与同盾自有数据，通过联合建模为金融机构信贷产品定价，能够更好提高金融机构的能效，降低逾期和坏账客户数量。捕捉用户在其他线上场景比如消费、社交、出行、娱乐的数据，经过数据交叉分析，可以为金融机构提供实时的客户反馈。此外，欺诈分子的冲击无时不在发生，如果金融机构的风控平台直到攻击完毕才能做出应对，那这个风控平台就没有任何意义，导致风控规则也需要实时顺应市场外部的变化，这就要求设计出来的应用系统能够适应这种快速变化，形成动态和实时反应的系统机制。
贷后管理环节。如果说防范黑产和欺诈是智能风控全流程中第一道防线，那么贷后管理则是风险防控的最后一道防线，肩负着降低金融机构信贷损失的重任，贷后管理是整个智能风控闭环中非常重要的一步，其中又以逾期催收为最大的痛点。过去一些大型银行和消费金融机构都要“供养”数量庞大的催收团队，有些团队人数过千，催收的主要手段是靠打电话，带来了如成本过高、加剧社会矛盾等诸多问题。
随着消费信贷的高速发展，贷后数据及催收语音库规模呈指数增长，为模型训练积累了大量数据，大数据的发展及海量语音库为模型训练提供了海量素材，这为人工智能催收提供了良好的基础。以同盾智能催收工具逾期管家为例，这是基于智能决策和智能语音的机器催收平台，背后有强大的技术团队和数据生态系统作为支撑，适用于银行、电商、新金融和保险等各类场景，将贷后催收的各个标准化业务进行全面的智能化改造。利用智能语音识别、语音合成、语义理解以及交互话术共同形成高度智能化、精准化的催收策略，能集中解决传统人工模式下，合规、合法、效率等问题。
风险无处不在，而智能风控是互联网时代的企业对抗风险的有效“武器”，如何利用好这个“武器”，并将其拓展到多个领域，不断创新其价值，将是企业亟待解决的难题。反欺诈，在路上，需要行业携手前行。