2019中国金融科技产业峰会丨黄铃：通过大数据和人工智能进行金融风控

在2019年11月1日举办的2019金融科技产业峰会之“人工智能在金融领域应用”分论坛上，中国信息通信研究院联合行业协会、金融机构、科技厂商、高校等多家单位，邀请知名学术界专家、行业内顶尖企业工程师，就人工智能在金融领域应用的相关议题开展交流，希望为金融及技术领域从业者提供交流的平台，共同推动行业健康发展。清华交叉信息核心研究院兼职教授黄铃，在“人工智能在金融领域应用”上做出了精彩演讲。

清华交叉信息核心研究院兼职教授黄铃

尊敬的各位来宾、各位领导，早上好！非常高兴能够有这个机会在这里跟大家分享一下我们使用世界领先的大数据和人工智能技术来提供金融风控合规监管的解决方案。

前面也听到徐处长精彩的演讲、认可和支持整个人工智能技术在金融方面的一些应用，而我在以下这些方面就用一些实际的案例给大家分享一下我们具体的应用案例和场景人工智能是怎么在风控、合规领域落地的。

整个构建风控、合规解决方案的一个核心就是使用人工智能的技术来跟我们的金融机构合作，精炼金融机构用户行为的大数据，然后提供这种用户行为的建模来检测客户信息中存在的各种包括欺诈、包括信贷的风险，以及反洗钱合规领域各种风险账户。

人工智能技术在金融领域可能有很多很多各方面的应用，包括我们的投资、智能客服，今天我主要聚焦在整个金融风险控制、合规、内控相关的一系列解决方案，特别是在反洗钱、交易反欺诈、企业内控合规和营销反欺诈等多方面的内控合规的相关的问题。整个这样的背景都在于我们不但要用人工智能和数据分析的手段去建模单个用户的行为异常，同时我们要关心的是在多个账户之间是否会存在着协同合作的风险行为。我们使用的所有数据，我们整个解决方案是部署在银行大数据的计算中心，会根据这些银行机构的交易的行为、账户的一些行为去分析他们存在的这种风险，比如说在他们一些在线的转帐或者手机的支付，或者企业动公业务之间的往来我们分析这些交易是否存在着欺诈，这些帐号是否存在着风险，是否存在着洗钱的团伙等等。

在这样的合规和风控领域，我们整个金融机构、整个金融产业面临的挑战就在于此。首先我们面临的是这种专业化、团伙化，手段非常高明的洗钱、欺诈的团伙。他们做出来的这种欺诈洗钱的行为其手段非常高明，他们可能拥有大量的账户，可以做任意维度、任意手段的转帐、这种掩盖蛛丝马迹的洗钱行为认定，或者欺诈行为认定需要经过我们反洗钱专家和反欺诈专家经过反复的调查才可以得到认定的，所以这样欺诈洗钱账户认定成本是非常昂贵。

另外，在此基础上所有欺诈洗钱的行为，当我们拿到这个标签的时候其实这些欺诈洗钱的团伙已经在我们的银行造成了大量的资金以及品牌的损失，我们才能获得这个标签。但我们希望这样的标签是越少越好。我们面临的挑战是标签非常稀少，但是海量的数据，一家银行可能有数亿的用户，每天会产生数百亿的交易，没有标签的情况下怎么做机器学习、大数据、人工智能的风控，这是我们非常大的挑战。

在行业里面已有的基于规则甚至基于监督机制学习的解决方案，标签非常稀少的情况下还会造成很多的困难。另外，我们也存在着这种我们叫做动力非常强，智商非常高，不断变换行为的欺诈和洗钱行为的团伙，他们每次看到我们的防范手段、看到我们的解决方案，他们会不停测试，找到我们解决方案的漏洞，改变行为规避我们这样的解决方案，所以存在着一种对抗性的解决方案的模式。这里面我们需要更新一代人工智能的解决方案针对这些潜伏性非常强、团伙性非常强的这种欺诈的威胁。

基于这种挑战，整个我们的行业包括人民银行、央行整个监管机构都在寻找一个解决方案能够将我们以前事后风控、事后监管的基础方案能达到一种转变，实现提前、事前的风险管控、事前的监管和事中的这种干预，我们需要的就是能够在少量标签、能够不仅仅是有洗钱欺诈表现之后才能去检测，我们希望能够做到提前的检测方案。

基于这种挑战，我们清华大学包括相关的机构整个在研发一整套，基于半监督主动机器学习的方法形成的金融风控合规监管解决方案，这里面大规模的分析多个账户之间除了交易之外还有很多的关联关系，比如他们是否在同一台设备、同一个地址反复出现，这些账户是在同一时间、同一个注册地址上注册的一批空壳公司等等这样的关联关系去进行建模和检测，综合应用他们的一些交易表现能够做到提前预警。

整个平台是建立在大数据平台上，针对我们银行机构的账户、交易事件以及操作的事件进行建模，在海量的数据很少标签的情况下进行异常检测、关联分析，同时在这个基础上，我们整个平台又能够提供一个非常好的人机协同的交互方式，能够把我们反欺诈、反洗钱一些专家的经验融合到我们平台上，一起进行主动式的机器学习，提供反欺诈反洗钱内控合规的解决方案。

我们看几个实际例子，在这样的平台这样的环境下我们怎么用人工智能防范交易的欺诈。这里我举一个实际的例子，我们信用卡、银行卡被盗刷，在座的很多人都有在海外旅游，信用卡用过之后突然报警，说你的卡可能被非法分子盗刷了。存在的背景就是因为有很多不法分子通过安装一些机器，像麦当劳、加油站（海外），刷卡的时候，很多不法分子会安装这个机器，你刷卡的时候会把你的磁条信息给盗窃下来。还有海外很多商家数据库里面存储了磁条卡、银行卡的信息，他们的安全保护措施又不够，数据库容易被盗用，大量银行卡数据被泄露出去，这些磁条卡的信息会被卖到某一个科技非常发达的地方会被贯之真实的物理磁条卡，这些磁条卡被卖到东南亚、欧洲或者美国进行盗刷，他们会买容易贵重容易出手的商品转卖获利，这条产业链从中国到美国到东南亚是协同合作的全球范围的专业化作案的犯罪团伙来完成整个链条。

面对这样整个的链条，我们怎么用人工智能的手段去建模交易的不正当盗刷行为，这时候我们要主要去分析欺诈链条上最薄弱、最容易呈现出一些行为，能够区分正常人和盗卡盗刷人异同的我们叫做特征或者数据维度的建模，我们针对整个在盗刷环节中他要拿到银行卡之后，他要很快地把银行卡资金刷光，同时购买的东西能够很容易携带、很容易出手这样的行为手段我们去做建模。我们会针对这些刷卡的一系列的行为，包括比如说在这张卡当天交易量是多少，这个交易量跟我们用户历史上的交易量做一些对比，有没有大的偏差，这是一种。这些交易量的购买是不是有连续大额的购买，而且出现在的地理位置是这个用户以前所没有出现过的地方，而且他们购买的东西是不是有特定的类型是很容易出手、价格很高，等等等等这种交易的行为我们去建模，能够区别出盗卡的行为和正常人的行为区别，这里面对整个盗卡盗刷行为整个的实现行为和他获利环节进行精心分析之后，才能结合人工智能的手段去做这样的模型分析，在我们针对结合人工智能手段和业务的很多经验去衍生出来很多变量，能够经过机器学习、图分析相关的方法去自动地进行数据的融合，维度、字段、特征的一些挑选和组合去生成最优化的模型，包括行业里面经常用到的逻辑回归，包括各种基于梯度下降的树模型进行海量数据的特征维度的组合，然后形成我们高质量的模型，进行上线服务。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!