2017AI大事记：盘点人工智能在风控领域的应用创新探索

回顾2017，捕捉AI在风控领域应用创新的关键事件、关键企业、关键应用，一篇文章读懂过去，感知未来——共同见证2018年1月大事记！

---

一、蚂蚁金服——蚁盾

2016年上线蚁盾，2017年重点应用于消费金融、医院、出行、共享经济等更多行业领域；

1、蚁盾三大能力：

（1）是强大的算法和计算的能力——风控技术实现了0.1秒完成判断决策、支持12万每秒并发；

（2）构建全球风险网络——蚁盾构建了一个跨国家地域、跨多行业的风险维度，把黑产和欺诈者识别出来。

（3）反欺诈云：云上的反欺诈服务——整个风控分为识别，决策，管控三部分，基于云计算开展智能风控，可以针对多种特定场景定制模型，快速计算和决策反应，提供流畅而不失精准的风控。

2、蚁盾风控体系的运作过程三步

（1）识别：一个用户（设备）进来的时候，去判断这个设备有没有风险，包括验证设备ID，验证是否有地址篡改等，这是数据化服务的开始；

（2）决策：当判断出这个设备有风险时，开始做个性化决策，比如增加短信验证步骤，或者常用信息选择的验证，或者根据不同场合选择其他方案，比如当用户在国外，接收信息不方便时，可以启用人脸、指纹等生物特征识别的决策；

（3）管控：这是一个整体的链路，基于反欺诈云的反欺诈解决方案，能够实时监测风险，商户可以把精力专注于业务发展。

---

二、融360——天机

2015年5月融360发布“天机”大数据风控系统，2016年3月融360推出“天机2.0”

“天机2.0” 提供技术服务包括：授权抓取、反欺诈解决方案等，与30多家信用服务供应商进行了深度合作，引进了数据模型提供商、风控技术提供商等前沿公司合作；对于没有能力自建大数据系统的机构而言，接入天机系统就可以一站式地完成线上获客、审批、放款，并能极大地提高贷款的效率和反欺诈的有效性，将人工风控转化为智能风控。

这个系统包含一组模型，会根据身份认证、还款意愿和还款能力三大维度，给申请贷款的用户进行信用评分，依据分值来决定是否应放款。

---

三、网易——北斗

2016年12月网易上线北斗智能风控开放平台

1、网易北斗七大风控模型

（1）贷前：天枢体系（获客引流模型）、天璇体系（反欺诈型模型）、天玑体系（授信模型）；

（2）贷中：天权体系（信贷管理模型）；

（3）贷后：玉衡体系（风险预警模型 ）、开阳体系（云催收模型）、瑶光体系（用户增值模型）

---

四、麦子金服——水滴风控

2015年研发上线，2016年底推出水滴风控2.0版本，2017年3.0版本筹备中

1、麦子的风控体系可以用8个字母来表示：POPDAMIT

（1）Process Control （流程控制）：特别突出对贷前风控的细化管理；

（2）Organization （活力团队）：既分工明确又能协同作战；

（3）Pricing on risk（风险定价）：既保证业务还要保证利润；

（4）Data consortium （数据联盟）：充分利用大数据与自身历史数据的积累；

（5）Anti-fraud（欺诈防范）：5道防线来防范欺诈，让欺诈行为难以立足；

（6）Model groups（模型集群），各种模型和评级精准识别借款人的风险；

（7）Intelligentization（智能运作）：让机器代替人，比如自动审核、自动催收等，既精准又高效；

（8）Technology driving（技术驱动）：依赖和使用各种高新技术，包括人脸识别与视频、分布式存储与计算、机器学习等。

---

五、小赢科技——WinSAFE智赢风控体系

2017年3月在B轮融资上公布WinSAFE智赢风控体系

依靠数据引擎、反欺诈模型、信用价值模型、抵押物估值模型与极客学习引擎构成的大数据风控系统来分析用户价值、用户的还款能力和还款意愿，依靠数据处理与建模能力确保用户的资金安全。

---

六、你我贷——信贷工厂4.0

2017年你我贷信贷工厂（风险量化系统）模型已演进到4.0版本

基于数据建模与量化风控打造自动化决策引擎，该系统通过对海量数据源的收集、整理、沉淀、分析。数据源包括：用户提交基础数据、第三方机构征信数据、网络行为数据，通过模型建立和分析，构建大数据机器学习平台，从而对用户实行多属性画像，并最终传导至风险定价体系。

你我贷通过五步实现智能精准决策

（1）通过数据交叉验证，排除风险、识别需求、初步匹配产品；

（2）对异常申请行为进行侦测；

（3）构建客户价值导向的量化评分模型；

（4）进入智能决策，最大化客户利益；

（5）将整个过程标准化，建立信贷工厂。

---

七、京东金融——司南

2014年4月京东发布“司南”风险控制模型，2015年9月发布司南5.0，2017年京东金融将开放其多年来打造的大数据生态：

司南——风险控制模型体系；

火药——量化运营模型体系；

活字——用户洞察模型体系；

造纸——大数据征信体系。

京东金融风险控制系统四大模型：风险控制模型、量化操作模型、用户评估模型和信用调查模型——该系统的效率较传统模型提高了超过十倍，并且可以实现对不同个体的差异化风险定价。

---

八、陆金所——KYC2.0      2015年12月陆金所正式推出KYC1.0系统,2016年11月推出KYC2.0，2017年4月陆金所KYC系统获上海张江国家自主创新示范区专项发展资金700万元支持

KYC系统运作机制首先是利用各项风控技术对资产进行风险分类，同时对用户进行测评，并将用户分为五大类：保守型、稳健型、平衡型、成长型、进取型，然后对投资者风险承受力评估结果进行量化，从而根据既定的适配系统实现资产和资金的精准匹配，确保合适的产品卖给合适的投资人。

陆金所“七步成诗”风控体系：

（1）风险政策制度框架体系：专门的风险政策部门对所有交易对手和产品引入都制定了明晰的风险政策指引，所有业务必须在制度框架内运行；

（2）信用评级：信用评级部门对交易对手和产品进行主体评级及债项评级，对于有外部评级的标准化产品也会建立映射模型换算成陆金所自己的风险评级，评级结果用于定价和展示产品的安全度；

（3）信息披露：针对每一个不同的产品，将其内部评级、底层资产、主要风险、还款来源、保障措施都一一列明，并且用互联网化的语言传达给用户；

（4）投后预警监控：自主开发的预警系统对所有在售资产至少每三个月进行一次检视，一旦发生异常将自动预警。同时对于一些非标资产的所投项目，也会有投后团队进行定期的实地检查；

（5）风险管理系统：陆金所的风险管理系统覆盖全产品线、整个产品生命周期，实现风控的标准化、智能化、模型化，大幅提升陆金所风险管理工作的效率和效果；

（6）风险评价体系：风控人员被内嵌至前台业务单元中，业务人员在做业务时必须将风险摆在第一位，同样的业务量陆金所会根据不同的风险程度给予业务部门不同的业绩评价。

（7）资产、资金的精准匹配：在资金端，陆金所对投资者进行风险分类，建立产品与投资者风险适配系统，确保资产提供方能够获得符合其所需要的资金，同时投资者都能买到适合其投资风格与风险偏好的产品。

---

九、同盾——大数据风控产品

2017年5月同盾科技发布全新Slogan：智能网络诚信互联，志在构建“中国智能诚信网络”

同盾科技将继续深耕大数据风控行业，坚持用技术和数据构建“中国智能诚信网络”，将人工智能深度应用到互联网风险控制及反欺诈领域，通过为企业客户提供独立第三方的风控服务，帮助客户预测业务中的信用及欺诈风险，以此构建新的互联网诚信秩序，建立人与企业、人与人之间的诚信关系。

十、冰鉴科技——风控管家

2017年9月冰鉴科技举办产品升级发布会，对风控管家进行了全新升级      

冰鉴风控管家一站式贷前风控服务平台，实现了“数据、模型采购-流程部署-贷前审批-数据仓库-业务分析-风控调优-流程优化及部署”这样一个“以业务数据优化风控，再以风控优化业务”的良性循环，既能提供最快捷的风控部署解决方案，同时也能提供最专业、最全面的风控调优及业务优化解决方案。

---

十一、拍拍贷——魔镜

2015年3月拍拍贷 发布'魔镜'大数据风控系统，2017年11月拍拍贷成功登陆纽交所 “魔镜”成华尔街估值核心

魔镜系统的核心是大数据，拍拍贷基于严格的6大环节风控流程，获取每个借款用户2千多个字段的信息，经过层层筛选，转化，加工，最终形成对每个借款标的的准确风险概率预测。在大数据建模环节上，除了传统的申请资料、信贷数据等审核资料外，魔镜还增添了多渠道多维度的海量数据，来构建风险模型，其中包括用户的信用行为、网络黑名单、相关认证、网上行为数据、社交关系数据、以及各类第三方渠道及维度。

“魔镜”系统将根据用户的信息和行为数据进行大数据建模为借款申请人打分，“魔镜”信用评分一共分为I-VII 7个等级，不同评级的贷款人在利率、服务费率和缴纳的质保基金费率方面都有所不同。

---

十二、百度金融——般若

2017年11月在百度世界大会智能金融分论坛上发布基于AI和百度大数据的“般若”大数据风控平台

“般若”平台通过百度独有的数据特征和算法，提出了整体解决方法：百度的梯度增强决策树可以聚合大数据高维特征，可以实现高维数据降维、增加风险区分度；百度的深度学习，将特征嵌入，利用关联挖掘等解决数据稀疏问题。“从3000 降维至400维，可将行为的风险区分度有效提升5% ”，而基于百度数亿级用户数据，通过图计算，可将信用标签传递，丰富信贷样本。

十三、2018年1月——大事记 ？？？

盘点2017、洞见2018；

见证人工智能在风控领域应用创新的新里程！