伴隨着新金融的浪潮，大數據、雲計算、區塊鏈、人工智能、移動互聯等新一代信息技術的發展和應用也層出不窮，創新科技在不斷提升金融服務效率，降低整體成本的同時，也在推動構建全新的新金融生態。人工智能方興未艾，正在滲透和影響着整個金融生態，也給金融業帶來無限的可能性。

作爲國內專業的智能風控與科技服務提供商，火眼科技將人工智能與金融風控深度結合，爲金融機構提供覆蓋貸前、貸中、貸後全流程的風險管理服務，幫助其進一步提升風控效果，實現全方位的策略風險管理。以下，就是人工智能技術在反欺詐及授信決策兩方面的運用。

l 反欺詐：火眼讓風險無所遁形

在泛互聯網的環境裏，金融風控面臨的傳統個體欺詐已迅速演變爲有組織、有規模的羣體欺詐和關聯風險。而傳統反欺詐還停留在識別一度風險等這種簡單規則方式階段，對於二度、三度乃至更廣範圍的網絡全局風險苦無良策。

火眼科技利用人工智能中最重要的技術——深度學習，通過對數據的採集、分析、深度挖掘等，構建起人工智能反欺詐模型。通過建立多維度的關係網絡，進行可視化關聯分析和追蹤，從而發現欺詐者隱藏的蛛絲馬跡，分析其數據的矛盾點和可疑點，識別欺詐者身份。加上與傳統經驗規則配合使用，大幅提升金融機構欺詐風險的防控能力。

l 貸中授信：火眼讓決策更精準

在申請評分環節，傳統金融風控往往是基於評分卡體系對強徵信數據如銀行借貸記錄等進行建模，而在新金融的浪潮下，客羣進一步“下沉”，覆蓋更多收入羣體，新增羣體的強徵信數據往往大量缺失，金融機構不得不依賴於更多弱金融數據， 闢如消費數據、運營商數據、互聯網行爲數據等。

這類底層數據的改變，對傳統信用評分卡造成了巨大的困難，具體體現在：

1、諸如互聯網行爲、運營商數據很多都是非結構化數據，數據繁雜，建模前的特徵工程很難用傳統人工的方式完成加工。

2、由於數據的類型和範圍大幅擴大，新模型面對的往往是加工出來的上千維弱變量特徵，評分卡體系根本無法融合吸收這些特徵。

3、線上新金融業務風險環境頻繁演化，傳統人工迭代模型無法適應風險變化速度，迭代優化太慢。

而人工智能中的機器學習能夠有效解決上述問題。面對數據繁雜的問題，火眼科技將基於深度學習的特徵生成框架，成熟運用於大型風控場景中，對時序、文本、影像等互聯網行爲、運營商非結構化數據實現深層特徵加工提取，顯著提升了模型效果。

針對數據駕馭難的挑戰，火眼科技對不同類型的數據，採用不同的機器學習模型進行處理，用複雜集成模型輕車熟路地處理上千維度的弱變量，並將之與違約風險精準掛鉤，讓授信決策變得更加準確。

此外，解決模型迭代慢也是機器學習最擅長的事情。由於互聯網公司每天都會有海量用戶數據產生，因此需要對搜索、推薦模型持續頻繁地進行優化，而傳統的人工迭代幾乎無法解決這一問題，但通過機器學習模型，就能很好地完成在線快速自迭代。

作爲科技創新的下一個“風口”，人工智能不僅是現階段金融科技領域內的熱點技術，也將對未來的金融業進行顛覆性重塑。人工智能技術在前端可以用於服務客戶，在中臺可用於支持授信等各類金融分析中的決策，在後臺可以用於風險防控和監督，它的存在將大幅改變金融現有格局，使金融服務更加個性化與智能化。

作爲互聯網大數據智能風控的引領者，火眼希望通過持續創新產品與技術，不斷提升服務可靠性，將人工智能技術深度應用到互聯網風險控制和反欺詐領域，努力成爲值得客戶信賴的第三方智能風控服務提供商。

相關文章