加载中…

加载中...

个人资料
余丰慧
余丰慧 新浪个人认证
  • 博客等级:
  • 博客积分:0
  • 博客访问:16,699,972
  • 关注人气:16,039
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
相关博文
推荐博文
谁看过这篇博文
加载中…
正文 字体大小:

AI智能金融反欺诈应用有前景

(2019-06-13 10:12:22)
标签:

财经

AI在金融上深度渗透后形成的AI金融,从具体看包括人工智能金融分析师、AI金融客服、AI金融管理、AI金融产品开发设计、AI信用挖掘获取、AI金融风险控制、AI智能支付特别是移动支付等等。也就是说,从传统的资产、负债和中间业务、支付结算业务,AI都能全方位进入布局。从互联网金融的大数据、云计算、移动支付、网络平台金融看,AI智能更是如鱼得水、量身定做。AI金融时代很快会到来,AI金融是大势所趋,不可扭转。
如果从本质上撇开金融业务本身,从防欺诈、内外勾结的金融犯罪预防发现以及破案角度看,AI作用会更加大。
一个非常值得关注的现象是,随着互联网、移动互联网、大数据、云计算、人工智能、区块链、数字货币、互联网金融、金融科技等新经济新科技新金融的发展,在促进整个金融业转型到新兴科技金融、数字化金融和智能金融的同时,大数据、云计算、人工智能等技术也被犯罪分子用来进行高科技犯罪牟利,而且还非常猖獗。2019年一季度拼多多优惠活动曾被钻空子,损失惨重。类似商业网站遭遇攻击的情况非常之多。
特别是随着互联网金融比如P2P等网络金融的发展,这类网络高科技手段金融犯罪派上了用场,达到了猖獗之地步。专业从事网络打假、保障网络安全的360公司最有发言权。
2019年5月9日,360金融研究院携手360集团联合发布了《2018智能反欺诈洞察报告》(下称“报告”),聚焦金融电信诈骗和网络贷款欺诈这两类高发欺诈类型进行了深度研究和数据洞察。报告数据显示,2018年360手机卫士手机先赔接到的诈骗举报投诉案件中,金融诈骗损失金额占比高达35%,报案量在全部诈骗类型中占比14.9%。报告总结称,在网络普及呈现低龄化、中青年群体金融需求的日渐提升等趋势影响下,80、90一代正成为手机诈骗的重点目标;男性受害者占76.3%,明显占比高于女性,人均损失金额也比女性更高。
损失金额上,由于黑中介在成功获得目标用户的个人信息后,往往会在多个平台进行高额度的骗贷,用户损失相较于传统诈骗更大。报告数据显示,遭遇黑中介骗贷后,损失5000元到1万元占比28%,损失1万元到5万元占比38%,损失5万元以上占比11%。

网络技术的不断迭代,黑中介、黑产的智能化趋势明显。黑产团伙同样会利用大数据、AI技术等技术手段扩大欺诈覆盖面和精准度。围绕欺诈目的达成,黑中介伙同黑产构建了集用户数据获取、身份信息伪造和包装、欺诈策略制定、技术手段实施等一条完整的产业链。
在大数据金融反欺诈应用上,头部科技平台的大数据已经相对成熟和丰满,可以够涵盖信贷、社交、消费、通讯数据等诸多范畴。360金融研究院统计调研发现,作用于构建用户人群画像、甄别借款用户还款能力贡献度最大的两类数据是消费和社交,安全类大数据更有助于判断借款用户的还款意愿。

360集团目前在全球的100多座数据中心部署了超过10万台服务器,数据存储量达到EB级,安全服务覆盖全球6亿台计算机,累计连接超过10亿台的移动设备,拥有总样本数超过180亿的全球最大的程序文件样本库。

而360金融背靠集团的数据智能优势,已积累了千万级别的黑名单和数亿的白名单库。自主研发的Argus智能风控引擎从数十万个变量中用机器学习方法筛选出超过3000个风控模型数据变量,近96%的授信申请和99%的订单申请实现全自动审核,秒级反馈结果。

在AI智能金融反欺诈应用上,基于人工智能技术建立的反欺诈模型和反欺诈策略成为平台预测、抵挡欺诈风险的有力武器。

一方面,人工智能可以利用机器对数据的大规模以及高频率的处理能力,将申请人相关的各类信息节点构建庞大网络图,并在此基础上建立基于机器学习的反欺诈模型并对其进行反复训练和实时识别。

另一方面,人工智能基于庞大的知识图谱,还能监测整个互联网的风险动态,当发现信用表现出现风险的时候,能够及时做出风险预警,启动“先知”的防御机制。

AI对于底层数据的识别分类应用在实践中也非常有帮助,例如底层数据标注等业务场景中,通过AI判定识别、人工过滤清洗的结合,可有效帮助高可用性内部数据的增长。

360金融在实际应用中结合场景应用AI分别构建相应的业务模型,同时重视AI在底层信息上的识别应用,例如:

采用生物活体检测和大数据交叉匹配借款用户信息,判别提供虚假信息的客户并拒绝其借款申请。

在中介风险识别的场景下,利用社交关系图谱模型、自然语言处理等AI建模技术在社交关系上有效识别团案风险。

在伪冒风险及账户盗用风险等业务场景下,高度重视AI在客户行为埋点数据、客户社交关系等非传统建模数据对该类风险的识别帮助,构建了伪冒评分、账户安全评分、客户行为异常模型、设备异常行为模型等模型评分,有效识别该类风险。

底层信息处理上,360金融构建设备识别模型,有效提升对于设备认定的有效性及准确度,特别提升了线上贷款对于设备数据使用的鲁棒性。

据了解,目前360金融有超过200+个风控子模型在线上运行,且具备实时自动更新模型的能力,部分风险模型的迭代时间以周为单位频次。

360金融在数据和技术上的投入也已颇有成效,年报数据显示,360金融2018年全年M3+不良率为0.92%,M6+不良率为1.5%,欺诈损失率保持在0.2%。

0

阅读 评论 收藏 转载 喜欢 打印举报/Report
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有