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

除了建模之外，我们需要实现的是不但是建模需要做复杂的对于交易事件序列的这种分析，达到我们非常高的准确率和覆盖率，我们还有另外一条要有非常高的时效性，第一我们要求我们整个建模进行的政策要非常准确，因为每一笔不准确的预测都会给我们正常用户造成干扰，我们要求打扰率非常低，十万分之五的打扰率，同时覆盖尽量多的盗刷，80%到以上。当我们覆盖盗刷的时候，整个环节在刷卡一刹那就要进行预警，这时候必须进行实时预测，我们做出来的模型可以在20毫秒之内完成响应，实现目标高覆盖率，低打扰率20毫秒的响应速度，这需要一套人工智能建模、高性能系统支持才能实现的目标。这是第一个案例，就是人工智能在交易、盗刷方面的应用案例。

另外一个应用案例，人工智能对我们的合规、内控、反洗钱提供一整套解决方案。在整个大行业背景包括国内外一些不法犯罪的团伙他们互相勾结，不管在外汇欺诈还是走私、贪污腐败、非法集资等等行业里面进行多种多样的非法资金转移，这是我们在反洗钱方面需要打击的对象。这里面涉及到的银行业务、数据会非常复杂，包括个人业务，包括对公业务，对公业务可能有众多贸易结算、国际结算等等，对私包括ATM取现等多种多样的业务，我们这里面会把各个业务线的交易、账户操作的数据汇总成我们的数据集市，在数据集市上我们综合一系列人工智能评分引擎进行交易排序，进行检测高可疑的风险。同时我们也会用大规模图分析、网络分析去检测那些非常隐蔽、规则性不能发现的协同作战的洗钱行为，从两方面人工智能的风险评估和大规模关联洗钱团伙的检测两方面进行合规和风控建模。

我们看一下第一个场景，人工智能如何对可疑交易进行风险评级，从而能够非常精准地检测抓到这些洗钱的可疑案中。我这里简单介绍一下，整个这个流程都在央行监管机构的指导下，首先银行机构针对它每天的平台上发生的数亿笔交易，依照央行监管机构的要求我们会在内部有一整套规则系统，会对成千上万、上亿笔的交易进行分析，提取出来高可疑大宗的交易，这里面每年可能会提取出来上百万宗的可疑交易。举个例子，任何一个人去柜台取现超过二十万一定是大宗可疑交易，如果柜台转帐从北京转帐到云南、新疆超过五万这一定是可疑交易，你看这样可疑的交易，但是并不是每一个可疑交易一定会是洗钱上报给央行。相反银行机构每年通过柜台提取的上百万个案宗，其中只有五到十万个案宗可以上报给央行，其中90%以上都是误伤。为了减少误伤，银行机构有几百上千反洗钱专家每天都在人工审核归结系统提取出来的可疑案件，人为判断是不是洗钱，百万宗里面挑选出来五万宗上交给央行，这里面有大量的人工工作，有很多成本和资源的配置在里面。针对这样的场景我们通过跟银行的合作建立一整套机器学习方法来对可疑案中进行更精准、全方位的建模和评分。过去我们反洗钱专家，人工已经审核了很多案宗，用案宗作为标签输入到机器学习系统里面去，机器学习会自动学习反洗钱专家审核可疑案件的方式、数据维度以及洗钱模式都可以自动学习起来，从而把专家的一些经验融合到机器学习系统里面，自动对可疑案宗进行排序，从而把高可疑认为是洗钱行为比较高的风险行为提炼出来，让我们的专家去做进一步的人工审核，把其中明显不是洗钱行为的案宗直接剔除掉，这样识别不可疑的交易，帮我们减少审核工作量，提升识别可疑交易效率，帮助人工智能优化反洗钱专家的资源配置。

另外一种方向，我们规则系统提取了数百万的案宗每年，但是因为我们规则系统相对来说是宁可杀错一千也不可放过一错的方案，所以有很多误伤，但是我们用到的很多方法，比如二十万、五万的方法，很多洗钱或者犯罪分子都已经知道了，他可以改变他洗钱、转帐的方式来规避规则系统的检测，可以多帐号、任意维度地去做很多很多隐蔽的洗钱行为，所以规则系统漏掉很多狡猾多变洗钱行为的检测，根据这个痛点，开发一整套基于图分析的检测方式，这时候检测不光看单个账户转钱超过二十万，不仅仅是根据的单个账户的行为，我们更重要的是看多个账户之间的协同合作，整个资金链条的来龙去脉去检测这些跟正常人不一样的转钱倒腾资金的方式，用异常检测的方式帮助规则系统去覆盖到更多的隐藏的多账户之间的协同合作，这时候我们能够发现更复杂的洗钱的案宗，能够优化和增补规则系统看单个账户所不能发现的这种洗钱的行为提高反洗钱的有效性。

综合在一起我们会针对这些洗钱行为里面全方位地提取跟洗钱行为相关的这些信号，获取这种数千上百万的交易的频率、交易的行为以及交易的这种摘要、类别相关联的各种特征去形成我们的机器建模的基础，对特征进行选择和排序，进行关联分析，进行评分。

我们的模型可以自动地跟客户进行分类和排序，把他们的团伙行为检测出来，甚至分类成不同种类的洗钱的这种模式，并针对他们的危险、风险级别进行排序。整个的工作能达到反洗钱专家97%以上的准确率，能够Top70%的召回率99.5%以上，节省30%以上的人工审核工作，检测多种被规则和人工审核所漏检的洗钱案宗大大提升他们的效率。

我这里举个简单例子快速看一眼我们作出的反洗钱的聚类团伙分析是怎么样，这是一个网络图（见PPT），灰色的点是他们共同交易的对手，而有颜色的点，绿色的点是金融机构已经检测出来洗钱的账户，其他的蓝色的点和红色的点和褐色的点都是金融机构以前靠规则系统所检测不到的，但是您可以看到从这里包括交易对手，包括资金的往来都有特定的模式，这些绿色的点跟蓝色的点都跟同样一群的交易对手有着固定交易模式的往来。很显然，很多蛛丝马迹都可以证明他们是一个团伙在一起倒腾资金。这样的话用整个网络的检测，不简简单单绿色的洗钱行为，把整个跟绿色行为经常在一起倒腾资金的整个洗钱团伙全部检测出来，还原出来整个洗钱资金的往来都可以全部呈现出来，这样的话帮金融机构不但把单个人的危险行为提取出来，更重要的是把洗钱的模式、资金的来龙去脉，团伙的整个组织全部重现回来，能够帮助他们更精准地去还原洗钱的行为，进行更精准的审核，降低他们的负担，提高他们审核的准确率，同时增补出规则系统漏掉的很多反洗钱专家的很多失误，因为可以呈现出来以前他没有看到的数据维度，我们有更全面的信息帮助反洗钱专家去做这些审核。

（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!