金融行业因本身与数据有高度的相关性，自然而然地成为了大数据和人工智能技术最先落地的领域。知识图谱作为人工智能重要的技术，已渗透到银行的多个应用领域，提供更深入的信息分析和挖掘能力。知识图谱从本质上来说是一种大规模的语义网络，以海量的业务数据为基础，综合运用语义理解、知识挖掘、知识融合、知识补全等技术，提炼出高精度知识，将真实业务中的实体及其之间的关系通过图结构来表示，构建大规模的高精度、高质量的知识图谱。
2020年，某股份制银行通过同盾“云图”知识图谱技术，整合行内外数据并进行深入挖掘，打通公私、存贷关系，建立包含企业、个人、事件的关系图谱，构建全行风险识别、风险传导、风险监控的统一平台。这为该行实施积极主动的风险管理，提高风险防控能力，守住不发生系统性金融风险的底线提供支持。2020年，该行明确三类业务定位，即突出零售、做强对公、做优同业，实现高质量发展的“全新一跃”。为了更好贯彻数字化建设目标，该行统筹规划，致力于打造一个涵盖线上、线下各类零售金融、非金融交易的预警、处置、事后分析的全流程智能风险管理体系，但是在建设过程中，该行遇到了几只“拦路虎”。
（一）数据缺乏有效的内外部整合
行内大量的金融数据都沉积在文档、PDF文件、图像和视频中，成为了“结构化数据之墙”，同时由不同渠道而流入银行系统的多源、多模态数据无法有效与行内数据相适配。行内数据分布于各业务系统未充分利用，公私、存贷数据分隔，未形成有效知识积累。
（二）无法及时有效应对新型欺诈风险
随着科技的发展和黑产的产业链日趋成熟，个人金融服务领域的诈骗、套现、薅羊毛、盗卡盗刷等欺诈行为屡见不鲜，传统的风险防控手段无法及时、准确评估客户风险，进而无法有效应对新型的欺诈手段。
传统风控模式轻策略重运营，轻线上重线下，在获客-预筛-审批-授信-交易等各个环节都面临不同的困境。比如在审批环节，传统模式下不仅审核周期长，同时也缺乏早期逾期预警的能力；在交易环节对于新型欺诈手段防控识别能力不足，对恶意透支、套现或其他高风险客户团体诈骗风险预警响应慢；在贷后环节，缺乏对逾期客户和失联客户的提前预判能力。
基于以上的种种问题，该行与同盾科技共同启动了“基于知识图谱的安全金融服务”项目，通过知识图谱技术，整合行内外数据并进行深入挖掘，打通公私、存贷关系，建立包含企业、个人、事件的关系图谱，构建全行风险识别、风险传导、风险监控的统一平台。
当下，传统的金融风险防控手段面临外部经营环境、内部业务变化，监管合规要求等多方面的挑战。同盾云图-知识图谱提供了金融领域知识提取、融合、分析、推断、决策等功能，特别是在金融风控领域其价值尤为凸显。通过知识图谱的数据建模过程，将该行原有多业务、多渠道、多管理系统的多源复杂异构数据，抽离成符合银行自身业务特色的各类实体、关系及属性，结合指标、规则、模型体系，围绕客户准入筛查、尽调强化、违约客户识别、不良贷款预警、行业信息分析、组合风险管理等业务场景提供了多个优质应用落地。内控合规：整合银行内外数据针对不同场景构建知识图谱，在此基础之上通过规则策略和模型，识别员工违规行为，例如，识别客户经理违规操作，挖掘内外部可疑资金关系。
对公图谱：将多源数据源融合构建企业统一知识库，实现营销／风险事件的动态联动，提升客户洞察力，例如，企业风险传导分析，潜在营销机会挖掘，企业统一画像等。
信贷风控：以手机号、设备、IP、公司、地址等构建知识图谱，提供贷前贷后风控能力，例如，贷前反欺诈，贷后交互管理，风控特征工程，可视化关联分析，疑似欺诈群体挖掘等。
交易图谱：利用资金往来交易、黑名单、欺诈案件库、交易IP地址及设备信息构建交易图谱，提供自定义案件排查、实体关联分析以及事前关联指标服务。
同盾协助该行打造的一体化知识图谱构建与应用解决方案，通过提供统一的知识图谱构建平台、知识图谱计算挖掘框架和应用产品方案，运用知识抽取、知识计算、语义分析等人工智能技术，能提供高效、灵活、智能的知识加工和应用能力，能快速从数据中提炼知识，实现业务上的智能决策。
从架构上看，同盾协助该行建设的知识图谱的基础数据层由大数据平台来提供支撑; 知识加工层支持多源、多模态数据的能力，能从结构化、半结构化、非结构化文本以及图像、语音等数据中加工支持，与知识加工直接相关的部分包括实体识别、关系抽取、表格解析、规则学习、推理技术等；核心技术层内置了知识推理、群组挖掘、指标计算、标签挖掘、图结构挖掘等图计算引擎，可以通过配置化实现挖掘功能；应用层则与反欺诈、风控、营销、监管等不同的场景密切连接。整体来说，在平台和架构先进性方面，体现了灵活、通用、技术和业务上高可扩展性等特点。
该项目包含知识图谱构建平台、图谱可视化及智能分析等标准产品、场景化应用级产品方案三大核心模块，基本上也代表着知识图谱从构建到应用的三个核心环节。第一个是知识图谱的构建平台，构建平台可以应用异构数据，运用知识的手段构建知识图谱。第二个是同盾研发的多态存储体系，以存储为中心，辅助结果的存储介质打造混合、综合的存储体系。在第一个模块构建好的知识图谱就可以存储在这里，支撑上层运算和最终的业务运用。第三是知识计算平台，在这里可以实现包括知识推理、隐形关系挖掘、标签计算、个体挖掘和群体挖掘等功能。
第一步完成多源、多模态数据的接入，并对数据进行加工、处理，识别并抽取其中的知识，生成知识图谱。
第二步，挖掘特定图结构模式，动态更新属性、建立关系或者发现异常关联等，如下图所示。
第三步，建立好知识图谱之后，可以基于图谱进行图挖掘和指标分析，结合特定业务场景进行建模、可视化分析或者与决策引擎对接使用。
同盾云图知识图谱技术与深度学习相结合，以恶意欺诈账户为分析源，从多个维度挖掘关系属性，实现多源数据融合构建领域知识图谱，并利用AI算法智能识别出强相关联账户，从复杂的关系网络中推理出隐藏关系，协助该行识别出欺诈团伙。
（一）全面建设全网信贷关系图谱
在内融合包括行方交易、客户、信贷在内的自有业务数据，在外引入工商、司法、人行征信、海关、税务等相关信息，依托于统一的知识图谱构建平台，形成全网信贷图谱和客户关系图谱。同时，使用可视化的图谱构建配置、图谱管理和配置化的知识展示功能，业务人员可根据需求指定分析对象，快速生成图谱，分析指定对象的关联关系。相对于传统的单点式风控模式，本项目从更多维度实现对用户的风险挖掘、风险分析，降低群体性业务风险发生概率。
（二）自定义案件排查
零售交易场景中，可疑案件来自零售风控平台识别、客服和网点上报、公安机关通报的涉赌涉诈通报账户，传统的方式是业务人员需要对案件进行关联分析，通过案件关联的设备、IP、交易对手追溯案件发生过程，找到涉案资金的链路和流向，形成分析报告，锁定可疑人员，并对案件和相关可疑人员进行处置。通过交易图谱的关联关系链条深层次挖掘的技术优势，和风控系统进行集成，支持风控系统案件管理的自动化关联分析及业务自定义案件的溯源分析和可疑对象的排除和定位操作，并产生案件分析报告和可疑名单，最终实现案件的快速响应和处理，提高风控管理能力，提高工作效率，实现自动化与人工处置的结合。
（三）事前关联图谱指标服务
事前关联图谱指标服务主要是在数据的纵向挖掘上，补充关联信息等衍生指标，构建立体的、全方位的防御体系，也是交易图谱平台的建设目标。依托知识图谱技术，通过对积累案件的排查和特征研究，总结出不同类型案件的关联风险特征，进而将这些特征落地成关联指标，通过API应用到风控的策略，弥补案件的防御漏洞，增强对相关案件的防御能力。
平台上线后，该行数据使用效率、数据资产管理能力跃升上新台阶，各部门的反欺诈策略与模型实现共享，打破了原先反欺诈风险防范时部门间的信息壁垒，使得反欺诈方面的工作效率大幅提升，欺诈行为在发生之前就能被识别并做对应处置。
经由知识图谱的引入，该行初步实现了在观察视角上从“个人维度”到“全局关系”的转变，反欺诈手段“由点到面”的提升，个体隐藏关联欺诈风险“由浅到深”的挖掘，为数字化发展战略提供重要帮助，为银行数字化转型的建设提供重要基础。
1. 引入外部互联网数据：提供全国工商企业信息查询，包含行内客户与行外客户和海量外部互联网数据，工商、涉诉、舆情等多维度数据，并融合行内信息，保持信息自动更新。
2. 客户统一视图：整合行内外数据，打通公私、存贷关系，建立包含企业、个人、事件的关系图谱，深度挖掘客户关系，生成客户画像、集团派系等内容，为风险营销提供辅助信息。
3. 智能风控：通过智能模型、风险规则、名单检测等多种智能风险检测手段多管齐下，实现风险的精准识别。同时为适应产品快速创新需求及外部风险形势的变化，支持风险模型及规则的灵活配置部署。业务人员可基于共享的风险信息，在线进行模型挖掘、灵活配置、实时上线，使其可随时根据新的风险形势上线模型及规则。
4. 风险防控机制：将风险管控有效融入业务流程中，支撑事前、事中、事后“三位一体”的风险防控机制，将传统的以事后监控分析为主的风险管理模式转变为事前、事中和事后风险防控的协同模式，前移监控关口，提升风险监控效能。
5. 建立外部舆情机制：对市场舆情风险及时监控，实现舆情风险推送。同时，通过邮件方式将外部风险信息推送至管理层邮箱，及时发现风险并做出相应决策，确保风险被及时遏制。
依托“云图”知识图谱技术，同盾将与该行探索多业务场景下的解决方案。除了内控合规、零售交易、零售信贷、信用卡积分套利、对公集团授信风控等场景应用外，也将在信用卡失联修复、涉赌涉诈、反洗钱、小微营销等领域做更多规划。
