智慧金融研究院研究员 曹正仁

在智慧金融时代，通过科技的创新，金融智能化水平也因此获得空前提升。然而，回归到金融本质，不论传统金融或者智慧金融都面临着一项绕不开的门槛，那就是反诈欺，或着风控模型。

对传统金融而言，风控系统建立在央行征信体系基础上。据统计，在中国逾13亿人口之中，央行征信数据库建档人数虽已突破9亿人，但真正能生成征信报告的人群却不足4亿人，而当中真正能从银行取得信贷的人数则只有50%至60%。这也构成了银行业中不成文的“二八定律”。

“二八定律”是指商业银行通过竞价的方式向前端20%的优质客户提供授信，但后端80%的潜在客户却因信息不对称无法获得授信服务。对此，通过AI加大数据风控模型，为后端80%无法获得授信的潜在客户计算出信贷成本便成了智慧金融在金融场景中最重要的创新。

过程中，如何进行身份认证，排除诈欺风险便成为智慧金融平台风控的主要挑战。通过线上数据从事借贷，并且有效甄别诈欺团伙通过“薅羊毛”方式杜绝诈骗。

早期的反欺诈仍旧属于人机交互模式，目的是提供尽量全面的信息给反欺诈调查员，以提高信息稽核效率并适时发现疑点。这个时期的反欺诈属于功能智慧阶段，除了通过互联网连结以及少量数据导入进行建模外，大致依赖专家经验来对反欺诈行为进行深度研究。而在日常的业务中，通过业务经验来寻求高危疑点，并通过系统中的数据辅助验证，最后用调查话术进行核实。这种模式的特点在于对诈欺模式进行深度分析，并针对数据进行标注，进而对机器进行持续的训练以提高识别诈欺的精确度。

这种模式的缺点在于人力密集，调查的速度跟不上业务发展的速度。不过，靠着累积的数据和经验，同时搭配大量的欺诈用户样本，反欺诈系统还是能因此获得升级。对知识图谱进行构建解决了反欺诈流程的核心问题。当团伙欺诈案件越复杂，链式调查在覆盖度和调查效率上开始出现问题，而且整个调查过程精确度也因此下降。但通过知识图谱，用户之间的关联构成一张网状拓扑图，使用不同的图标为用户打上各种不同的标签，这为调查人员直观的展示欺诈用户的关联网络。

此外，从业务直觉到业务经验可视化反欺诈调查人员积累了大量的调查经验和业务直觉，但由于每个调查人员的调查风格和调查思路都不一样，所以经验的传承性和普适性都不太高。然而，科技有能力逐步解决这些问题。通过和业务人员进行了合作，将比较有用的规则提取出来，配合可视化界面，让调查人员对用户风险有比较直观的感受。此外，这种直观对调查经验本身没有要求，大大降低了新人调查的门槛，而在功能上线后，商业闭环内反馈经验可视化加上复杂网络，调查人员能够非常快速的定位疑点，人力绩效也得以大幅提升。

通过自有数据为基础的数据打分系统，从信用分、团案分、设备分等进行统计分析，数据通过打包的方式进行使用。最后，对云端的开放，这套反欺诈系统得以被移植到各种场景进行应用。自此，反欺诈不单只是智慧金融领域内的一项利器，也能通过接入其他场景，为电子商务提供更广泛的使用潜能。