|
在互联网金融领域，同行之间的核心竞争力即取决于其对借款方的风控定价能力，主要表现在金融机构会通过各种方法来判断用户的还款能力和还款意愿，且最终在风险与利润之间寻求平衡点，追逐风险最小化，利润最大化。然而，在风波诡谲的借贷江湖中，信用风险和欺诈风险如同高悬在金融机构头顶上的达摩克利斯之剑，稍有不慎，则危害巨大，毕竟，在风控这个阴沟里翻船的机构可不在少数。 本期，火眼君就给大家来揭开欺诈的神秘面纱，并从人工智能反欺诈窥见一二。 认清环境：各种欺诈分类 白户风险：这部分借款人信息缺失，没有足够的数据支撑，无法对借款人进行风险评估。包括内部白户（新注册用户、无申贷历史记录）和外部白户（央行征信、第三方民间征信无覆盖）。在对待白户时，扩大大数据搜集范围，并灵活运用知识图谱技术建立新的信任机制帮助快速识别风险。 黑户风险：借款人存在逾期、失信、欺诈的记录。包括内部黑户（历史多笔订单出现逾期、恶意失联等）、外部黑户（央行征信黑、第三方民间征信黑），建立黑户档案，并根据实际需求实时调整信贷准入规则。 身份冒用：伪冒他人身份进行欺诈骗贷。包括熟人冒用（亲戚朋友、同学等）和他人盗用（购买他人四件套、个人隐私信息泄漏等）。一般可通过信审、人脸识别、生物识别等方式来核验借款人身份。 伪造风险：借款人通过伪造资料，蓄意骗贷。例如，伪造账单流水记录来企图骗取更高的额度。一般都是借款老手，熟悉各平台流程，深谙套路。恶意欺诈人群往往多头借贷频繁借钱，广撒网来提高放款概率。同时，可能涉及不良嗜好（黄赌毒）。 中介风险：黑中介哄骗或招揽客户实施骗贷,对平台风控漏洞进行大规模攻击，造成巨大资损。黑中介可利用白户轻松突破风控防线，并骗取白户的高额手续费。黑中介通讯录一般会存客户的号码；若是远程贷款操作，可能会采取视频通话、翻拍照片来应对活体识别核身。 应对措施：AI智能风控显神通 应用先进的AI智能技术，以数据为驱动建立智能化的风险预测模型，以此增强欺诈防控能力。 AI智能技术是在传统的风防体系上，增加有监督学习和无监督学习两大反欺诈技术手段。以无监督机器学习为例，它是从无标记的训练数据中入手推断结论，通过自行对数据内部结构进行学习，从而快速对异常行为进行分类，自动挖掘检测各类已知的、未知的欺诈行为，快速排除高风险用户，实现反欺诈的智能化。 相较传统反欺诈解决方案的滞后性，无监督机器学习可以通过与大数据等技术的有效结合，精准识别欺诈团伙的聚类特征和行为规律，将传统反欺诈的被动防治转变为提前预防和主动拦截，帮助企业在面对欺诈的时候反应更加迅速，达到及时处理欺诈的目的。 总之，火眼相信，随着人工智能技术的不断成熟，应用场景的不断增加，再结合数据的不断积累，在金融反欺诈识别上，人工智能必将成为不可替代的技术之一，识别准确率也必将远超人类大脑。而火眼科技凭借多年的风控管理实践，基于大数据挖掘方法，综合应用“有监督”和“无监督”这两个盾牌对风险进行量化预测，帮助金融机构进一步提升风控效率，实现全方位的策略风险管理。 |
|
|
