消费金融的人工智能反欺诈到底是什么?且看京东金融的实践
消费金融人工智能反欺诈,这词组里任一个词单拎出来都是当红炸子鸡。然而,当我们说消费金融的人工智能反欺诈时,我们到底在说什么?
讲述互金发展 探讨互金未来
消费金融人工智能反欺诈,这词组里任一个词单拎出来都是当红炸子鸡。然而,当我们说消费金融的人工智能反欺诈时,我们到底在说什么? 文 | 孙爽(零壹财经华中新金融研究院) 来自微信公众号“Fintech前线”(id:fintech007) 消费金融的反欺诈有何特点? 金融作为经营风险、“刀口上舔血”的行业,长久以来面临着两种风险:欺诈风险和信用风险。 以信贷为例, 欺诈风险指的是客户在发起借款请求时即无意还款的风险,按照人数可以分为团伙欺诈和个人欺诈,欺诈者往往通过伪造身份信息、联系方式信息、设备信息、资产信息等方式实施欺诈; 信用风险指的是借款人因各种原因未能及时、足额偿还债务或银行贷款而违约的可能性。 对于很多放贷机构来说,其所遭遇的欺诈风险远远大于信用风险。 去年3月,陆金所CEO计葵生称,在中国做金融最大的风险并不是信用风险,而是欺诈风险。 7月,芝麻信用总经理胡滔透露:18%的消费信贷申请人在最近12个月曾用3个或者3个以上的手机号,30%的申请人最近12个月稳定活动县级区域个数在3个或者3个以上。此外,消费金融、互联网金融公司的坏账损失超过50%来源于欺诈。身份冒用类欺诈占比最高,其次是团伙欺诈,以及账户盗用、恶意违约等。某互联网消费信贷公司开展业务第一周在申请人群中发现70%的疑似团伙欺诈申请。 如何防范欺诈?银行的方法是建立基于专家经验的规则体系(下称“专家规则体系”),其运作模式是:每遇到一次欺诈,银行就将其行为特点记录下来形成“规则”,下次再遇到此类行为规则体系会自动做出人工介入或拉黑的响应。 “兵来将挡,水来土掩”,这是“魔”与“道”的博弈。就像是在织一张网,这张网每被攻击一次,就变得更密集。然后,这张网会变得越来越大,越来越严密。 然而,网毕竟是网,总有漏洞,难以捕捉所有欺诈情景,只能等欺诈发生后才能把之前的漏洞补上。也就是说,专家规则体系是一种能低于之前发生过的欺诈的体系,并没有预测下一次会发生怎样的欺诈的功能。 消费信贷具有小额、分散的特点,互联网消费信贷还具有高并发特点,单单使用传统银行的专家规则体系是难以对抗互联网消费信贷中的欺诈的,整个行业都在等待一种新的技术跟专家规则体系协同作战。 那么,为什么是人工智能? 人工智能目前尚无统一定义。10月,美国政府发布的一份报告(注:美国总统行政办公室和白宫科技政策办公室,《为人工智能的未来做好准备(Preparing for the Future of Artificial Intelligence)》)称,“一些人将人工智能宽泛地定义为一种先进的计算机化系统,能够表现出普遍认为需要智能才能有的行为。其他人则将人工智能定义为一个不管在真实环境下遭遇何种情况,都能合理解决复杂问题或者采取合理行动以达成目标的系统。” 上述报告称,机器学习是人工智能最重要的技术手段之一,同时也是人工智能近期取得的很多进展和商业应用的基础,该报告比较了专家规则体系和人工智能中的机器学习技术: 现代机器学习是一个始于大量数据的统计学过程,试图通过数据分析推导出规则或者流程,用于解释数据或者预测未来数据。这种从数据中学习的方式与过去的“专家系统”人工智能研究方式形成了鲜明对比。在后一种研究途径中,程序员与人类专家协作,学习用于做出决策的规则和标准,随后将这些规则转化为软件代码。专家系统旨在模仿人类专家遵循的规则;而机器学习则依靠统计学方式自行寻找能够在实践中发挥功效的决策流程。 也就是说,机器学习通过分析大数据,能预测用户行为。 极客公园在其发布的报告《关于人工智能,你应该关注什么?》中称机器学习的一种通俗的定义是“让机器自己去学习,然后通过学习到的知识来指导进一步的判断”,其运作方式为“用大量的待遇标签的样本数据来让计算机进行运算并设计惩罚函数,通过不断的迭代,机器就学会了怎样进行分类,使得惩罚最小。这些学到的分类规则可以进行预测等活动。” 2016年,谷歌CEO桑达尔·皮查伊表示:“机器学习是一项颠覆性的核心技术,它促使我们重新思考我们做一切事情的方式。我们将这项技术应用于我们的所有产品,包括搜索、广告、YouTube或者Google Play。我们还处于发展初期,但你们终会看到我们将机器学习系统应用到所有领域。”上述报告称,包括IBM的罗睿兰等在内的科技业CEO也对人工智能表示了高度关注,罗睿兰甚至表示IBM已经将赌注压在人工智能上面。 我国金融科技公司京东金融也在参与这场浪潮。下文将以京东金融的消费金融为例分析人工智能反欺诈是如何运作的。 京东消费金融的人工智能反欺诈实践 京东金融为京东集团旗下两大集团公司之一(另一个为京东商城),其定位是“金融科技公司”,致力于运用大数据、机器学习和人工智能等技术,提升金融业的效率,降低金融业运行的成本。目前,京东金融已经建立起了七大业务板块:支付、供应链金融、消费金融、财富管理、众筹、保险和证券。京东金融CEO陈生强表示,“金融的本质是风险控制。目前大多数金融机构的风控是按照评分卡的方式来做的,而我们都是基于大数据和机器学习来做的。” 由于京东集团是从电商起家的,京东消费金融早期作为集团电商消费的助推力量,是京东金融最早启动的业务之一。 如前所述,利用机器学习等人工智能技术需要有大数据作为基础。陈生强称“大数据与对于一些公司来说是概念,对京东金融来说,却是生存的根本。”京东消费金融掌握的数据不可谓不大,跟随着京东白条等产品走出京东和京东自身投资不发的步伐,京东消费金融积累的数据既有京东内部生态体系产生的数据,外部数据也越来越多,京东金融投资了“数据银行”聚合数据即是一例。京东金融所掌握的数据具有“覆盖面广、维度多、实时更新”等特点,这为京东消费金融的人工智能反欺诈实践奠定了强有力的基础。 京东消费金融目前有两大核心模型体系:数据驱动的模型体系——“四大发明”和技术驱动的风控体系——“四重天”(详见下表),既有专家规则体系,又应用了人工智能。两大模型体系中与反欺诈直接相关的是“司南”和“天盾系统”,后者是白条账户的风控安全大脑,也较多地应用了人工智能。
根据零壹财经所著的《互联网消费金融模式与实践》一书,天盾系统借鉴了交易监控系统的经验,针对注册、登录、激活、支付、修改信息等全流程,基于账户历史行为模式、账户关系网络、当前操作行为和设备环境,评估账户安全等级、环境安全等级、行为安全等级,防范账户被盗、撞库(根据百度百科,指黑客通过收集互联网已泄露的用户和密码信息,生成对应的字典表,尝试批量登陆其他网站后,得到一系列可以登录的用户账户)、恶意攻击等风险,实现全流程风险监控,形成反欺诈网络,极大地推升坏用户作案成本。
可以看出,京东消费金融的天盾系统具有预测能力,在用户的身份被欺诈分子冒用之前,就可以根据其对该用户账户的分析将其分成各种等级来防范欺诈。
在账户登录、激活、交易、信息修改等全流程环节,天策决策引擎系统、天盾账户安全与反欺诈系统、天网交易风险监控系统对每次账户行为进行后台安全扫描,实时计算,识别恶意行为及高风险订单,并和商城配送体系打通,对高风险订单实现配送最后一公里拦截,这在业内是独一无二的优势。通过自动化风控系统,实现全流程风险监控,使得正常用户继续享受便捷服务,欺诈恶意份子作案成本不断提高。目前,京东金融风控系统累计拦截疑似欺诈申请数十万起,拦截高风险订单数亿元。
京东金融副总裁许凌表示:京东金融风险模型体系中有十多种不同的模型,包括识别虚假交易的商户模型,套现模型、催收模型、申请评分模型、行为评分、反欺诈模型,同时,一个模型在一定时期内会迭代,通过深度机器学习,将1000多个变量进行具体分析,让机器像人脑一样自动推断一些结论。只有持续不断迭代,才能持续有很强的风险管理能力。去年,我们还跟腾讯建立了安全联盟,同步打击这些风险分子。
京东金融为什么能实现人工智能反欺诈?
京东消费金融之所以能实现人工智能反欺诈除了与其拥有大量数据和技术能力有关,还与京东金融通过投资或者与全球数据技术领先公司合作有关:
1、2015年6月,京东金融斥资1.5亿美元投资美国大数据征信公司ZestFinance,并且与ZestFinance一同发起成立一家独立的数据技术公司。
这家公司将借助Zestfinance的数据处理技术,以及京东金融白条在国内的业务实践,来实现中国本土化服务。这意味着,京东金融正在成为国内数据技术的推动者,为整个市场贡献人工智能反欺诈、数据建模和征信方面的实践经验。
2、2015年11月,京东金融对外宣布与益博睿(Experian)共同研发在线交易防欺诈系统。
益博睿是全球最大征信机构,开展着征信、决策分析、市场营销、消费者信用服务等多项业务。京东金融将采用益博睿FraudNet欺诈检测及预防解决方案并将其本土化,后者是益博瑞防欺诈工具套组41stParameter的一部分。FraudNet的核心功能是设备检测模块DeviceInsight,后者应用了被动式设备指纹技术和时空动能技术(Time-DifferentialLinking)。
3、2015年底2016年初,京东金融宣布投资基于机器学习算法的大数据量化分析公司——数库。
京东金融同样将借鉴后者的技术,完善数据模型能力,将内部产品和品类之间建立多维度关联,并生成产品指数,进而提升差异化的风险定价能力。
今年7月,陈生强在首届中国金融科技大会上表示,京东金融要做一个开放的生态,“我们不想把自己做成一个金融机构,中国不缺这一家金融机构。我们要做的是把自己的能力开放出来,为广大的金融机构、非金融机构提供服务,提供菜单式的、嵌入式的基础设施服务。”
这是否暗示着,未来,京东金融将把在消费金融服务的数据、机器学习等实践经验对外输出,促进人工智能在反欺诈领域的应用,并通过资源整合,让传统的金融机构提升风控效率、降低风控成本?值得期待。