清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

国内互联网和金融行业发展得非常快,新形式的在线金融产品层出不穷。同时,各种风险、欺诈手段出现组织化、规模化、专业化的特点。随着新产品、新应用场景的发展,不断涌现出新的风险和欺诈,并持续翻新,洗钱、盗卡盗刷、骗贷等违法行为直接造成了千亿级的经济损失。因此,通过技术手段有效甄别欺诈份子,通过反欺诈技术大幅降低金融风险,对于金融机构来说迫在眉睫。

面对金融机构客户风险不一、客户信用信息不全、恶意欺诈或违约成本低、债务收回成本较高等诸多挑战,金融机构往往利用传统风控的多维度数据、算法和模型来实现快速识别借款人风险。在数据搜集变得困难、个人数据隐私安全越发受重视的环境下,大数据发展受到了商业、政策上的约束,我们需要一种既可以保护个人隐私,又能在数据维度不够多的情况下实现风险控制的技术应用。

慧安金科是一家专注于使用人工智能技术提炼大数据价值、为客户提供人工智能决策引擎的金融科技公司。公司创始团队均毕业于加州大学伯克利分校的计算机专业,在大数据、人工智能和网络安全方面有着多年的研究经验和工程应用的历练,针对目前互联网企业和金融机构产业链条内多变的不法活动,自主研发出国际先进的半监督主动式机器学习技术,通过专家经验与人工智能系统有机地融合,形成以客户场景和需求为导向的预测模型和决策引擎,辅助客户进行风险决策,实现提前预警和主动防范。

与其他公司相比,慧安金科的技术有以下两个特点:

脱敏数据行为分析

市场上现有的风控产品通常采用黑白名单、信誉库、规则系统等传统方法,传统风控模型需要大量的标签进行训练,并以此预测新的样本。但过多的标签就意味着过多的数据搜集,成本增加的同时也会增加用户隐私泄露的危险。慧安金科的半监督主动式机器学习技术的特点在于只需要少量标签就可以建立模型。

具体来说,慧安金科的半监督主动式机器学习技术可以根据少量的历史标签进行特征提取,训练自身模型,进而将标签迁移、扩散至其他没有标签的用户。当模型预测失准时,风控专家给予模型反馈,让模型重新学习,为互联网、金融机构和信息安全等其他领域提供更准确、更全面、更详实的数据参考,辅助企业做出风控决策,共同构建识别金融风险行为的标准。

人机协同主动应对风险

半监督主动式机器学习技术融合了图分析、分类、聚类等算法的优点,基于用户行为数据进行用户行为和关联的建模分析,在模型持续优化过程中,通过人机协同把业界专家的经验融合到模型里,充分发挥人工智能模型的自主学习能力,使得模型具有高可信的检测能力。从而,帮助客户主动地应对日益变化的风险环境、自动地响应新的威胁和攻击,为客户提供全方位的智能检测与防护,提升客户在行业中的技术优势。

截至目前,慧安金科已在互联网、新金融、传统金融、信息安全等多个领域实现了业务布局,并与多家行业头部机构进行了深度合作。基于人工智能和大数据分析技术,慧安金科为各机构量身打造的用户价值分析、信用评估和风险控制的模型服务,应用于检测欺诈开户、身份盗用、恶意骗贷、盗卡盗刷、非法洗钱和关联交易等诸多风险场景。

未来,慧安金科将继续加深与监管机构的合作,致力于推动先进的对抗性机器学习和半监督主动式机器学习技术在行业中的应用,期望能够建立全网联通的风控系统,降低金融监管的人力物力成本,提高监管效率,帮助监管机构实现监管科技的目标。

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文版权归原作者所有,如有侵权,请联系删除。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。