秦苍科技买单侠：人工智能不断升级金融反欺诈技术

现如今,电子交易平台、零售分期评分系统等金融基础设施日益完善,结构化的高质量市场数据不断增加,市场的电脑化使人工智能算法与金融市场实现了直接交互。同时,网络搜索趋势、收视率模式和社交媒体等数据集的不断扩张完善,促使了金融领域可供挖掘的数据来源的可能性也不断增长。

虽说,在技术及经济的不断开发进步下,消费金融的热度“居高不下”。但是,互联网金融行业也正在面临过去传统金融业最大的挑战之一——欺诈问题。全中国至少有数百万的职业欺诈者,行业内俗称“中介”。欺诈的常用招数有ID欺诈,虚假申请,申请欺诈,商户欺诈等等。

中介在网络论坛、报纸等发招聘广告:“在电脑城买手机兼职1小时可以赚取200到600元”。不知情的“小白”上钩后,中介获得真实用户证件,会再次包装虚假联系人信息,如姓名、地址、工作单位等,多次利用套现。为了防范风控人员的电审,中介会在接听手机时注明不同公司的电审电话,和提供的每套相关联系人信息相符,提高审核通过率。

欺诈的问题在传统金融发展了多年的情况下却也不得改善,仍有不少的“小白”莫名背上巨额债务。而在人工智能等金融科技技术的不断改进发展下,反欺诈技术成为了互金行业对付这些中介的强有力武器。

“反欺诈”是识别各类诈骗的一项技术,常见的反欺诈系统主要包括用户行为风险识别引擎,征信系统,黑名单系统等,主要面向企业级的应用,通常在金融行业或互联网公司的内部系统中。

而用户画像作为人工智能反欺诈技术的核心之一,在数据的支持下建立了一系列现实世界中真实用户数据之上的模型。用户画像技术通过对年龄、性别、婚姻、教育、工作、家庭等个人特征及消费偏好、浏览、社交、投资、购买等信用特征进行采集和积累,在明确的业务应用场景下,根据提前设定好的算法进行画像和分析,将这些多种类型的数据抽象成一个标签化的用户模型,以形成能触及到用户的根本需求。

秦苍科技买单侠运用实时社交抱团模型,有效解决中介的团体欺诈问题。用户在申请“买单侠”后,所提供的申请信息和联系人名单会加入原有的团模型。申请用户通过一个共同的节点联系到一起,视为一个团。以团为单位,可以提取到一些社交网络特征。如通过率、通过量等,可以推断团内其他用户的表现,所谓“近朱者赤,近墨者黑”。

团本身的特征也可以提供很多信息,推荐用户之间的关系,如节点数、团内用户的连接紧密程度等。另外,团内用户的属性也是判断团体性欺诈的关键指标。比方说团内的女性人数、地区分布、平均借款额度等。将社交网络的特征数据加入信用评分模型,模型准确度可以提升3-5%。

为了减少异常事件对系统预测稳定性的干扰,秦苍科技买单侠会同时开发多个模型彼此竞赛,根据不同模型的准确率动态调节流量。好的模型流量越高,表现不好的模型被逐渐淘汰。机器学习模型多模型并行,择优进化。

早在五年前成立之初,秦苍科技已经在探索人工智能技术在消费金融反欺诈领域的应用。而如今,人工智能概念大热,但只有把人工智能技术落地到解决实际业务问题,不断挖掘数据优化模型,和业务如量体裁衣般深度结合,才能实现最大化的商业价值。

企业信息