國(guó)內(nèi)金融領(lǐng)域一直面臨著很多挑戰(zhàn)，欺詐風(fēng)險(xiǎn)是其中最為凸出的。隨著人工智能技術(shù)的發(fā)展，發(fā)欺詐手段有望獲得重大升級(jí)，進(jìn)一步提高金融領(lǐng)域安全系數(shù)。
欺詐風(fēng)險(xiǎn)是國(guó)內(nèi)金融領(lǐng)域面臨的最大挑戰(zhàn)之一，大部分金融機(jī)構(gòu)長(zhǎng)期受欺詐影響。全球領(lǐng)先的風(fēng)險(xiǎn)管理咨詢(xún)公司Kroll發(fā)布的《2016/17年度全球反欺詐及風(fēng)險(xiǎn)報(bào)告》指出，欺詐造成的受欺詐損失占營(yíng)業(yè)額0.5%至3%之間不等(已核實(shí)的部分)，并且隨著欺詐手段日趨多元化，這一占比在逐年上升。因此，反欺詐已被金融機(jī)構(gòu)和監(jiān)管部門(mén)視為重要議題。
高維度機(jī)器學(xué)習(xí)模型：反欺詐方案的“內(nèi)核”
以往，銀行在偵測(cè)信用卡線下欺詐交易方面通常會(huì)采用專(zhuān)家規(guī)則的方式，即行內(nèi)人員通過(guò)對(duì)欺詐案例的欺詐主體、手段等進(jìn)行分析和總結(jié)，形成專(zhuān)家規(guī)則。這種規(guī)則的有效性是毋庸置疑的，但是同時(shí)也存在一些不足：首先，專(zhuān)家規(guī)則是由人來(lái)制定的，但人的思維往往是采用“抓大放小”的方式，因而其難以覆蓋長(zhǎng)尾的交易欺詐場(chǎng)景;其次，欺詐手段日趨多元化，但人很難快速準(zhǔn)確地掌握新型欺詐手段的特征與規(guī)則，以應(yīng)對(duì)欺詐行為的持續(xù)變化。諸多因素導(dǎo)致專(zhuān)家規(guī)則目前在罕見(jiàn)的、新的欺詐案件上有所局限。而通過(guò)機(jī)器學(xué)習(xí)技術(shù)，可以大幅提升這些欺詐案件的偵測(cè)率。
第四范式基于”機(jī)器學(xué)習(xí)“的反欺詐解決方案，是通過(guò)從交易報(bào)文、用戶(hù)、卡片等信息、訓(xùn)練出一個(gè)高維度模型，從而找出一些很難被專(zhuān)家規(guī)則發(fā)現(xiàn)的特征，這恰恰是機(jī)器所擅長(zhǎng)的。
在數(shù)據(jù)預(yù)處理環(huán)節(jié)，第四范式的反欺詐解決方案采用了全量樣本進(jìn)行數(shù)據(jù)建模。在特征工程階段，機(jī)器學(xué)習(xí)和專(zhuān)家規(guī)則一樣，首先需要抽取交易報(bào)文、用戶(hù)信息、卡人卡片檔等基本信息，之后再結(jié)合其他已有數(shù)據(jù)，在符合業(yè)務(wù)邏輯的情況下，通過(guò)將交易報(bào)文中的原始字段進(jìn)行超高維組合、衍生。最終，對(duì)比于總數(shù)在千條之內(nèi)的專(zhuān)家規(guī)則，第四范式設(shè)計(jì)的大數(shù)據(jù)機(jī)器學(xué)習(xí)模型的反欺詐特征體系，在總量超過(guò)25億維的特征集上進(jìn)行探索，最終發(fā)現(xiàn)有效特征8000萬(wàn)維，如此高維的規(guī)則是很難被不法分子攻破的。
此外，機(jī)器學(xué)習(xí)對(duì)于出現(xiàn)概率低的“非典型特征”以及不斷更新中的特征，都有著超強(qiáng)的識(shí)別、總結(jié)能力。交易欺詐從數(shù)據(jù)上看實(shí)際上是一些模式(pattern)的變化，如果是非典型的欺詐手段，較難被專(zhuān)家規(guī)則命中，但機(jī)器學(xué)習(xí)的模型可能捕捉到這些異常模式(pattern)。具體來(lái)說(shuō)，某次交易會(huì)同時(shí)命中多條弱模式(pattern)，從而識(shí)別出該筆為欺詐交易。除此之外，即使欺詐手段發(fā)生徹底的變化，機(jī)器學(xué)習(xí)可以從案例中不斷自主更新學(xué)習(xí)，以適應(yīng)新的欺詐手段。
第三代實(shí)時(shí)反欺詐架構(gòu)：反欺詐方案的“載體”
擁有出色的模型之后，如何將它應(yīng)用在反欺詐體系中成為了另一道難題。模型越出色，則意味著對(duì)系統(tǒng)架構(gòu)的要求約苛刻。
首先，在延遲方面，每筆信用卡交易的時(shí)長(zhǎng)基本上在一百毫秒以?xún)?nèi)，換句話(huà)來(lái)說(shuō)，實(shí)現(xiàn)對(duì)欺詐交易的阻攔全過(guò)程要控制在毫秒級(jí)，因此留給模型判斷的時(shí)間非常短暫。如果處理過(guò)慢計(jì)算結(jié)果就會(huì)被丟棄，間接影響反欺詐效果。其次是穩(wěn)定性。穩(wěn)定性是指兩個(gè)方面，其一是系統(tǒng)的高可用性，反欺詐系統(tǒng)必須保證較高的服務(wù)可用率。其二是系統(tǒng)的響應(yīng)穩(wěn)定性，比如在所有交易請(qǐng)求中，99%的交易響應(yīng)時(shí)間需要控制在一定的范圍內(nèi)(P99)。最后是如何支持機(jī)器學(xué)習(xí)對(duì)高位特征計(jì)算以及預(yù)估的需求。
此前，銀行共出現(xiàn)了兩代實(shí)時(shí)反欺詐架構(gòu)。第一代的實(shí)時(shí)反欺詐架構(gòu)雖實(shí)現(xiàn)了對(duì)當(dāng)前交易進(jìn)行欺詐識(shí)別需求，但是無(wú)法滿(mǎn)足專(zhuān)家規(guī)則對(duì)交易歷史數(shù)據(jù)需求，且流式計(jì)算引擎運(yùn)行較為復(fù)雜，難以保證在限定的時(shí)間內(nèi)完成所有規(guī)則的計(jì)算。
突破技術(shù)壁壘人工智能為銀行反欺詐提供新思路
相比于第一代，第二代的實(shí)時(shí)反欺詐架構(gòu)引入對(duì)歷史交易數(shù)據(jù)的支持，也支持了較為簡(jiǎn)單的機(jī)器學(xué)習(xí)算法，但支持的特征維度小于1萬(wàn)，無(wú)法充分發(fā)揮機(jī)器學(xué)習(xí)的能力，且系統(tǒng)響應(yīng)的穩(wěn)定性仍需提升。
突破技術(shù)壁壘人工智能為銀行反欺詐提供新思路
針對(duì)前兩代反欺詐框架的弊端，第四范式的工程開(kāi)發(fā)人員從架構(gòu)層面做了更加深入的優(yōu)化，提出了第三代反欺詐技術(shù)架構(gòu)，其優(yōu)勢(shì)有以下三點(diǎn)：
1.第四范式的實(shí)時(shí)反欺詐架構(gòu)是一套真正面向機(jī)器學(xué)習(xí)場(chǎng)景的架構(gòu)，目前已支持千萬(wàn)級(jí)別的高維特征。
2.第四范式的實(shí)時(shí)反欺詐架構(gòu)有效結(jié)合了對(duì)長(zhǎng)、短歷史交易日志和交易行為的學(xué)習(xí)和應(yīng)用。例如選擇當(dāng)前交易近一個(gè)月內(nèi)的交易行為記錄做實(shí)時(shí)的聚合與特征抽取;選擇當(dāng)前交易近四個(gè)月或者更長(zhǎng)時(shí)間的交易記錄做線下預(yù)聚合與特征抽取，并對(duì)預(yù)估模塊做定期更新及優(yōu)化。
3.第四范式的實(shí)時(shí)反欺詐架構(gòu)在保證系統(tǒng)穩(wěn)定性的同時(shí)，保證P99控制在限定的時(shí)間內(nèi)，實(shí)現(xiàn)了系統(tǒng)的高性能和高可用。
突破技術(shù)壁壘人工智能為銀行反欺詐提供新思路
此外，該反欺詐模型在保證行業(yè)通用性的同時(shí)，還能通過(guò)自身研發(fā)達(dá)到最佳的模型效果，且每個(gè)模塊都具備通用性，均可以根據(jù)不同的業(yè)務(wù)實(shí)現(xiàn)單獨(dú)的定向配置。未來(lái)，該模型還可應(yīng)用于更多實(shí)時(shí)、性能要求高的業(yè)務(wù)，更好地發(fā)揮其優(yōu)勢(shì)。
機(jī)器學(xué)習(xí)為銀行反欺詐帶來(lái)新契機(jī)
第四范式的機(jī)器學(xué)習(xí)模型在不同覆蓋率的情況下，準(zhǔn)確率比照專(zhuān)家規(guī)則和傳統(tǒng)模型都有了極大提升。在對(duì)高危欺詐交易的偵測(cè)上，機(jī)器學(xué)習(xí)的模型效果顯著，甚至能將現(xiàn)有的對(duì)可疑交易的“事后反欺詐”(主要通過(guò)電話(huà)確認(rèn))轉(zhuǎn)化為“事中反欺詐”(在交易進(jìn)行過(guò)程中，直接終止交易，需要非常高的準(zhǔn)確率)，節(jié)省了銀行的人力成本和運(yùn)營(yíng)投入。而在覆蓋絕大多數(shù)交易欺詐交易的情況下，與專(zhuān)家規(guī)則結(jié)合的機(jī)器學(xué)習(xí)模型能夠?yàn)殂y行帶來(lái)數(shù)目可觀的額外的防堵金額收益。
與業(yè)界領(lǐng)先、訓(xùn)練數(shù)據(jù)龐大的國(guó)際卡組織提供的反欺詐解決方案相比，第四范式的反欺詐模型僅依靠某銀行的交易數(shù)據(jù)，便做到了更加出色的效果。
通過(guò)評(píng)估，機(jī)器學(xué)習(xí)技術(shù)與傳統(tǒng)專(zhuān)家規(guī)則結(jié)合，反欺詐的效果將更為出色。未來(lái)在實(shí)際應(yīng)用中，隨著機(jī)器學(xué)習(xí)模型與專(zhuān)家規(guī)則的深入結(jié)合，行內(nèi)人員將會(huì)逐漸減少更新傳統(tǒng)專(zhuān)家規(guī)則的時(shí)間，將更多的精力放在優(yōu)化機(jī)器學(xué)習(xí)模型上，使反欺詐系統(tǒng)達(dá)到最優(yōu)效果。
由第四范式自主研發(fā)的反欺詐解決方案，通過(guò)人工智能技術(shù)為欺詐風(fēng)險(xiǎn)進(jìn)行精準(zhǔn)的預(yù)測(cè)和評(píng)估，協(xié)助金融機(jī)構(gòu)及時(shí)發(fā)現(xiàn)、規(guī)避潛在欺詐風(fēng)險(xiǎn)，將引領(lǐng)金融領(lǐng)域反欺詐業(yè)務(wù)的智能化趨勢(shì)。第四范式具備眾多經(jīng)驗(yàn)豐富的一線互聯(lián)網(wǎng)公司前、后端開(kāi)發(fā)人員，以及出色的科學(xué)家團(tuán)隊(duì)，將尖端的人工智能技術(shù)轉(zhuǎn)換成可落地的人工智能產(chǎn)品及解決方案。此外，團(tuán)隊(duì)成員還包括來(lái)自投行、咨詢(xún)公司、金融機(jī)構(gòu)的行業(yè)專(zhuān)家和資深顧問(wèn)，把對(duì)行業(yè)的深厚理解和對(duì)人工智能技術(shù)的嫻熟運(yùn)用相結(jié)合。
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開(kāi)微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁(yè)分享至朋友圈。