AI反欺诈：料敌于先，精准打击-维权要闻-金融投诉_法律咨询

本站公告

本平台为专业金融类投诉维权曝光平台，旨在帮助金融消费者处理在金融消费交易过程中被诱导受骗造成经济损失的纠纷理赔调解。范围仅限股票、期货、外汇、配资、现货、大宗商品等金融纠纷、合同债务纠纷调解、胜诉理赔执行、保险清退理赔等方面的法务协助与媒体协助，详情咨询本网底部专员微信号:weiquanhome

AI反欺诈：料敌于先，精准打击

发布时间：2020-03-21 22:42:29 来源：【金融维权之家】阅读:

3·15期间，关于金融消费者权益保护问题的讨论再度升温。

近年来，反欺诈难度越来越高。金融科技的飞速发展，大大方便了人们获取金融服务。但与之相伴，金融欺诈手段也在快速升级迭代，欺诈的智能化、虚拟化趋势越来越明显。

2017年，在中国金融领域，使用AI技术还是设想和尝试。三年后的今天，AI技术已经开始全面应用于金融行业。

与此相应，反欺诈技术也已经进入了全新的发展阶段。从最早的黑名单开始，反欺诈领域目前已经在大量应用AI技术，全面进入AI时间。

技术水平大幅提升带来的福利之一，就是账户安全保障的升级。如最近京东数科旗下京东金融升级账户安全保障：所有京东金融APP实名认证用户均可免费获得一份账户安全保障，保障高达100万。

反欺诈全面进入智能AI时代

近些年，金融科技的快速发展为金融产业提供了源源不断的新动力，但同时也为金融欺诈团伙提供了更多技术选择，使金融机构和金融科技企业的风控能力面临严峻挑战。

从最早广撒网式、以电信诈骗为主的线下金融欺诈，到随后利用钓鱼网站等信息化手段进行互联网金融诈骗，再逐步演变到如今，依靠各类技术手段、多重攻击的联合作案，金融欺诈随着技术发展也在同步进化。

2018年5月，京东金融研究院和中国人民大学金融科技与互联网安全研究中心、中国刑事警察学院共同撰写的《数字金融反欺诈白皮书》中就曾指出，数字金融欺诈手段已经由之前较为简单的盗号、盗刷演变为现在的借助大数据等前沿技术，从“撒网式”向“精准化”转变，多样的欺诈手段加之数字金融、区块链等新词汇的注入使得数字金融欺诈更具迷惑性，不易被识别，受害人防不胜防。

从这些数据中，我们可以看到的明显趋势是：如今的金融欺诈已不再依赖欺诈分子的单兵作战能力，而是在与金融机构的动态博弈中，逐步形成了完整的黑色产业链条；同时，借助大数据等数字技术，开始使用专业的欺诈作案工具，精确识别“欺诈目标”并采取针对性欺诈手段，逐步呈现出技术手法多样化、欺诈方式隐蔽化、欺诈行为场景化、欺诈事件高频化等特征。

除此之外，京东数科风险管理中心相关负责人张冰在接受零壹财经采访时表示，跨界的非金融场景的金融欺诈也越来越多，黑产可能会借助外部场景通过隐蔽手段尝试攻击，最终达到实际目的。这种“跨界”间接实施欺诈的趋势也越来越明显。

图1：网络黑色产业链

来源：零壹智库《中国数字金融反欺诈报告2019》
注：点击报告名称可阅读全文

但自古以来，兵来将挡，水来土掩。欺诈与反欺诈之间天然就是一场持续的动态攻防博弈。面对技术专业、团队作战且具备一定“反侦察”能力的欺诈行为，金融机构和企业的反欺诈能力也在持续进化。在严峻的欺诈形势和先进技术水平的共同推动下，目前反欺诈技术也已逐步演进到以AI为主的智能反欺诈阶段，无监督机器学习在其中也扮演着越来越重要的角色。

图2：欺诈与反欺诈“攻防战”

来源：零壹智库《中国数字金融反欺诈报告2019》

在传统的欺诈与反欺诈过程中，欺诈方始终是占据绝对主动的一方。无论是最初的黑名单，还是规则引擎、专家规则都是如此。反欺诈过程过多依赖专家经验识别欺诈行为，需要大量人工调试规则，并且无法检测出全新的、复杂的欺诈模式，使传统反欺诈存在很强滞后性。这就导致此前反欺诈始终处于被动防御状态，只能在欺诈发生后再采取措施，并且需要大量已发生欺诈事件作为样本标签才能实现同类欺诈事件拦截。这种“亡羊补牢”式的解决方案，一方面助长了欺诈团伙的嚣张气焰，另一方面也使得企业和用户财产时刻暴露在风险之下。

但幸运的是，AI技术在反欺诈领域的应用正在改变这种不利局面。AI智能反欺诈实践中常用的机器学习主要分为有监督学习和无监督学习两类。以无监督机器学习为例，无监督机器学习可以不使用经标注的数据，而自行对数据内部结构进行学习，并从海量数据中发现共性行为以及用户之间的潜在关系，自动挖掘检测各类已知的、未知的欺诈行为，并生成相应规则而无需人工调试，实现反欺诈的智能化。

相较传统反欺诈解决方案的滞后性，无监督机器学习可以通过与大数据等技术的有效结合，精准识别欺诈团伙的聚类特征和行为规律，将传统反欺诈的被动防治转变为提前预防和主动拦截，帮助企业在面对欺诈的时候反应更加迅速，达到及时处理欺诈的目的。

简而言之，无监督机器学习等人工智能方案一定程度上让反欺诈从“被动”变“主动”、从“滞后”变为“实时”或“准实时”，其响应速度也从以“天”为单位降为以“分钟”甚至以“秒”为单位。这也是越来越多致力于金融智能反欺诈实践的企业，纷纷选择以人工智能作为反欺诈技术体系核心的主要原因。

智能反欺诈三要素：场景、数据与技术

风控是金融领域最适用AI的环节之一，也是迄今为止收获最大的环节。如今，众多金融科技巨头和创业公司都在积极尝试AI智能风控体系。

据零壹智库此前不完全统计结果显示，在数字金融反欺诈技术介绍中涉及AI技术的企业比例高达67.86%，这足以证明利用AI相关技术进行数字金融反欺诈已经成为当前市场的主流选择和未来一段时期内的趋势。

可以说，无监督机器学习等AI技术手段已成为金融科技企业反欺诈体系的技术“宠儿”，但是这并不意味着此前的黑名单、规则引擎和有监督机器学习等技术手段就已无用武之地。不同的反欺诈手段适配于不同的业务场景，只有让这些技术相互协作，才能更好地进行金融反欺诈。

而在智能反欺诈中，单纯拥有技术能力远远不够。场景、数据和技术是智能反欺诈系统的三大关键要素。智能反欺诈系统有效发挥作用的前提是，任何反欺诈策略都要根据特定场景和数据特征对症下药，脱离场景、数据而空谈技术无法让智能反欺诈体系顺利地与实际业务场景契合，发挥其该有的作用。

正如京东数科智能风控技术相关负责人张元杰所说的，反欺诈过程是一个生态闭环，需要技术、场景和数据的有机结合：数据为反欺诈提供了有力保证，所有反欺诈决策都是数据驱动，但数据的挖掘分析又离不开反欺诈技术的支撑，而反欺诈数据和技术最终服务于场景和用户。

依托京东的业务场景和多维数据，京东数科在反欺诈上具备天然优势。技术方面，京东数科基于机器学习、大数据、实时计算、图计算等技术，也已经打造了完整的智能反欺诈平台，一站式解决营销拉新、广告投放、账户安全、支付安全、资产安全等场景欺诈问题。

图3：京东数科智能反欺诈平台

来源：京东数科、零壹智库

京东数科的智能反欺诈平台主要涵盖了智能反欺诈引擎、自动对抗机器学习平台、智能可视化与处置平台和智能安全平台四大模块，其中：

智能反欺诈引擎相当于整个系统的中枢大脑，时刻与其他环节循环交互。

自动对抗机器学习平台以AI技术为引擎，是京东数科AI前沿研究的集中展示，也是整个智能反欺诈平台的核心，其作用是实现与黑产的自动对抗。为什么能做到自动对抗？这是因为，自动对抗机器学习平台基于无监督机器学习、小样本学习、图神经网络等算法，实时捕捉欺诈动态信息，可达到特征自动衍生、模型自动选取、策略自动推荐和欺诈自动对抗的效果。整个过程能极大地减少了人为干扰和人力投入，更多依靠AI技术的自动响应与处理。

张冰表示，自动对抗机器学习平台最重要的价值在于扭转了此前反欺诈被动防御的“尴尬”局面，能够做到事前预判，主动出击，在欺诈行为尚未完成的过程中就进行精准打击。

而作为智能反欺诈平台中的重要环节，智能安全平台也搭载着众多AI技术。京东数科智能风控技术相关负责人张元杰介绍，京东数科在人脸识别领域投入很多资源。京东数科自研多模态人脸活体检测算法近期已正式通过国家金融IC卡安全检测中心-银行卡检测中心(BCTC)的技术认证，达到国家认证的金融支付级安全标准。该算法能有效拦截多种人脸识别攻击手段，保障用户账户安全。

如果说自动对抗机器学习平台和智能安全平台是以AI为主，那智能可视化与处置平台的关键在于“人”。AI能替代人工进行智能反欺诈，但如何向人们证明所拦截的都是欺诈用户？这里涉及反欺诈的可解释性问题，因为AI很难用人能够理解的简单话语去解释原因。而智能可视化平台可以通过可视化呈现，增强反欺诈的可解释性。同时，结合专家经验，该平台可以对一些处理结果进行反馈监控，并通过这类有效的人机交互进一步提升智能反欺诈平台的效率与可信度。

凭借多年积累的经验、系统及人工智能模型能力，京东数科智能反欺诈平台已经覆盖600多个业务场景，每日超过1000亿次复杂计算，计算速度达到毫秒级，更是经历了数次618、双11的大促考验，为广大用户安全提供了坚强的后盾保障。

“近些年京东数科在风控技术上的不断技术创新，不仅仅是为了提高了反欺诈能力，更多的还是希望为用户提供足够的安全保障，提升客户体验”，张冰曾在接受采访时这样评价京东数科的智能风控平台，“我们提升自身风控能力的同时，也在积极寻求机会将反欺诈能力赋能全行业，帮助其他企业共建反欺诈技术体系，切实减少企业和用户的财产损失。”

截至目前，京东数科已经将智能反欺诈的整体解决方案打包，科技赋能数十家银行和金融机构，提升金融业的反欺诈管理能力。

技术赋能，共筑数字金融安全新生态

科技驱动金融，金融普惠大众。数字金融时代，安全依旧是金融业务的重中之重。

我们可以预见的是，AI将会在未来的金融反欺诈过程中被更多企业采纳，发挥出更大作用，助力数字金融安全新生态。

未来可期，但挑战依旧存在。数据是AI反欺诈的基础，但如今由于利益冲突及商业竞争等因素，数据作为企业重要资产之一，“数据孤岛”问题可能更加突出。这意味着大数据的使用成本会愈来愈高。中小企业需要逐渐适应在“小数据”环境下寻求出路，对存量数据进行深度挖掘，实现数据精细化运营。

当然，企业间也可以探索“联邦学习”模式，让各个企业的自由数据在不出本地的情况下，通过加密机制交换数据。由于联邦学习模式中数据并不发生实际移动，因此不会涉及隐私泄漏和数据合规问题。

而对于很多数据体量和技术能力不足以支撑独立开发AI智能反欺诈体系的中小企业而言，与京东数科等具备丰富经验和对外技术输出能力的大企业合作，共建反欺诈平台未尝不是更优的选择。

除了企业技术能力的提升外，营造用户、金融机构及相关企业、监管部门和社会舆论全方位参与的反欺诈生态至关重要。单打独斗式的反欺诈只能从局部抑制欺诈，治标不治本。为避免重复欺诈的现象，企业间需要建立关于欺诈案件、欺诈手法的信息共享机制。

作为一位常年奋战在风控一线的老兵，张冰在采访最后表示，反欺诈的对外赋能是提升行业整体反欺诈能力的途径之一，建立跨行业的协作关系和通过反欺诈联盟进行信息互通也是当前可行的解决方案。未来的挑战在于，尽可能把风险做到最前置，跑赢黑灰产数字化、虚拟化的速度。这可能是一场无法停歇下来的战斗。

分享到：

上一条：首例爬虫禁令，若不履行将被刑事处罚？下一条：深圳南山区发布4家风险P2P网贷平台的风