在互聯(lián)網(wǎng)金融領(lǐng)域,同行之間的核心競爭力即取決于其對借款方的風(fēng)控定價能力,主要表現(xiàn)在金融機構(gòu)會通過各種方法來判斷用戶的還款能力和還款意愿,且最終在風(fēng)險與利潤之間尋求平衡點,追逐風(fēng)險最小化,利潤最大化。然而,在風(fēng)波詭譎的借貸江湖中,信用風(fēng)險和欺詐風(fēng)險如同高懸在金融機構(gòu)頭頂上的達摩克利斯之劍,稍有不慎,則危害巨大,畢竟,在風(fēng)控這個陰溝里翻船的機構(gòu)可不在少數(shù)。 本期,火眼君就給大家來揭開欺詐的神秘面紗,并從人工智能反欺詐窺見一二。 認清環(huán)境:各種欺詐分類 白戶風(fēng)險:這部分借款人信息缺失,沒有足夠的數(shù)據(jù)支撐,無法對借款人進行風(fēng)險評估。包括內(nèi)部白戶(新注冊用戶、無申貸歷史記錄)和外部白戶(央行征信、第三方民間征信無覆蓋)。在對待白戶時,擴大大數(shù)據(jù)搜集范圍,并靈活運用知識圖譜技術(shù)建立新的信任機制幫助快速識別風(fēng)險。 黑戶風(fēng)險:借款人存在逾期、失信、欺詐的記錄。包括內(nèi)部黑戶(歷史多筆訂單出現(xiàn)逾期、惡意失聯(lián)等)、外部黑戶(央行征信黑、第三方民間征信黑),建立黑戶檔案,并根據(jù)實際需求實時調(diào)整信貸準(zhǔn)入規(guī)則。 身份冒用:偽冒他人身份進行欺詐騙貸。包括熟人冒用(親戚朋友、同學(xué)等)和他人盜用(購買他人四件套、個人隱私信息泄漏等)。一般可通過信審、人臉識別、生物識別等方式來核驗借款人身份。 偽造風(fēng)險:借款人通過偽造資料,蓄意騙貸。例如,偽造賬單流水記錄來企圖騙取更高的額度。一般都是借款老手,熟悉各平臺流程,深諳套路。惡意欺詐人群往往多頭借貸頻繁借錢,廣撒網(wǎng)來提高放款概率。同時,可能涉及不良嗜好(黃賭毒)。 中介風(fēng)險:黑中介哄騙或招攬客戶實施騙貸,對平臺風(fēng)控漏洞進行大規(guī)模攻擊,造成巨大資損。黑中介可利用白戶輕松突破風(fēng)控防線,并騙取白戶的高額手續(xù)費。黑中介通訊錄一般會存客戶的號碼;若是遠程貸款操作,可能會采取視頻通話、翻拍照片來應(yīng)對活體識別核身。 應(yīng)對措施:AI智能風(fēng)控顯神通 應(yīng)用先進的AI智能技術(shù),以數(shù)據(jù)為驅(qū)動建立智能化的風(fēng)險預(yù)測模型,以此增強欺詐防控能力。 AI智能技術(shù)是在傳統(tǒng)的風(fēng)防體系上,增加有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩大反欺詐技術(shù)手段。以無監(jiān)督機器學(xué)習(xí)為例,它是從無標(biāo)記的訓(xùn)練數(shù)據(jù)中入手推斷結(jié)論,通過自行對數(shù)據(jù)內(nèi)部結(jié)構(gòu)進行學(xué)習(xí),從而快速對異常行為進行分類,自動挖掘檢測各類已知的、未知的欺詐行為,快速排除高風(fēng)險用戶,實現(xiàn)反欺詐的智能化。 相較傳統(tǒng)反欺詐解決方案的滯后性,無監(jiān)督機器學(xué)習(xí)可以通過與大數(shù)據(jù)等技術(shù)的有效結(jié)合,精準(zhǔn)識別欺詐團伙的聚類特征和行為規(guī)律,將傳統(tǒng)反欺詐的被動防治轉(zhuǎn)變?yōu)樘崆邦A(yù)防和主動攔截,幫助企業(yè)在面對欺詐的時候反應(yīng)更加迅速,達到及時處理欺詐的目的。 總之,火眼相信,隨著人工智能技術(shù)的不斷成熟,應(yīng)用場景的不斷增加,再結(jié)合數(shù)據(jù)的不斷積累,在金融反欺詐識別上,人工智能必將成為不可替代的技術(shù)之一,識別準(zhǔn)確率也必將遠超人類大腦。而火眼科技憑借多年的風(fēng)控管理實踐,基于大數(shù)據(jù)挖掘方法,綜合應(yīng)用“有監(jiān)督”和“無監(jiān)督”這兩個盾牌對風(fēng)險進行量化預(yù)測,幫助金融機構(gòu)進一步提升風(fēng)控效率,實現(xiàn)全方位的策略風(fēng)險管理。 |
|
來自: 卜范濤講風(fēng)險 > 《金融科技》