本文部分內(nèi)容整理自鈦媒體相關(guān)分享會活動。

“在現(xiàn)如今，我們面對的黑產(chǎn)欺詐者呈現(xiàn)流竄性、專業(yè)化、團(tuán)伙化等特征，行業(yè)內(nèi)更需要共筑風(fēng)控智能網(wǎng)絡(luò)，通過聯(lián)防聯(lián)控讓欺詐者寸步難行?！蓖芸萍悸?lián)合創(chuàng)始人兼反欺詐及基礎(chǔ)風(fēng)控部產(chǎn)品總監(jiān)祝偉如此說道。

隨著互聯(lián)網(wǎng)科技日新月異，區(qū)塊鏈等底層技術(shù)的開始在比特幣以外得到應(yīng)用，比如跨境金融支付。那在追求效益的基礎(chǔ)下，信任和風(fēng)控就是不可繞開的話題?，F(xiàn)如今，支付環(huán)節(jié)中風(fēng)控包括大數(shù)據(jù)與機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺及生物識別等手段。

利用大數(shù)據(jù)與機(jī)器學(xué)習(xí)

祝偉介紹稱，大數(shù)據(jù)風(fēng)控理念更側(cè)重于云端實(shí)時風(fēng)險分析，通過對用戶行為數(shù)據(jù)的關(guān)聯(lián)分析中發(fā)現(xiàn)蛛絲馬跡，從而阻止欺詐的進(jìn)一步發(fā)生。云端大數(shù)據(jù)風(fēng)控的魅力在于，即便用戶側(cè)已經(jīng)處于不安全狀態(tài)，比如用戶因木馬釣魚或因某網(wǎng)站被拖庫導(dǎo)致賬戶密碼等信息已發(fā)生泄漏，通過云端的數(shù)據(jù)關(guān)聯(lián)分析我們依然能判斷出賬戶異常，并立即作出響應(yīng)。

而大數(shù)據(jù)風(fēng)控在支付行業(yè)的應(yīng)用，不管哪個場景，都可以利用數(shù)據(jù)，基于機(jī)器學(xué)習(xí)的決策模型實(shí)時輸出最終欺詐評分及建議，客戶應(yīng)根據(jù)程序的風(fēng)險決策結(jié)果執(zhí)行操作。

場景1：注冊場景

對于有賬戶體系的支付，在注冊場景主要面臨垃圾注冊的欺詐風(fēng)險。比如，欺詐者想要利用小號瘋狂注冊來騙取商家的促銷福利。

在各類服務(wù)的背后，欺詐規(guī)則模型也較為復(fù)雜，祝偉表示，在注冊安全保護(hù)服務(wù)中，我們可以從用戶的注冊信息、用戶注冊環(huán)境及用戶注冊行為等維度進(jìn)行分析，然后利用機(jī)器學(xué)習(xí)的決策模型得出評分結(jié)果，“應(yīng)對此類欺詐行為，我們在云端更多地分析用戶注冊行為的異常，舉例子而言，如當(dāng)前注冊請求來源IP地址是否是代理、同一個設(shè)備上發(fā)起的注冊行為是否過于頻繁等?！?/p>

場景2：登錄場景

對于有賬戶體系的支付，在登錄場景主要面臨賬戶被盜和撞庫風(fēng)險。那么，在登錄場景中，我們可以從用戶的登錄行為、登錄環(huán)境及用戶習(xí)慣等維度進(jìn)行分析。比如，“我們曾通過規(guī)則模型實(shí)時計(jì)算出一個用戶兩次登錄時間間距小于2s，但根據(jù)登錄IP解析位置距離偏移卻超過10公里，如果是你會怎么看待這次登錄行為？”

當(dāng)然，我們前提是通過一些IP技術(shù)排除掉運(yùn)營商地址分配漂移的特殊情況。從實(shí)際情況來講，此類移動行為已超出載人工具的時速范圍，唯一的可能性是掛IP代理進(jìn)行登錄，意圖隱匿登錄來源。

場景3：支付場景

在支付場景中，平臺主要面臨的風(fēng)險是導(dǎo)致資損的盜卡支付及監(jiān)管層面要求的反洗錢反套現(xiàn)監(jiān)控。那么，在此場景中，可以從用戶的支付行為、支付環(huán)境等維度進(jìn)行分析，比如，沉默的支付賬戶突然發(fā)生一筆小額支付，成功后隨后若干次等額進(jìn)行支付操作。此類行為往往具有高風(fēng)險性，欺詐者在盜卡成功后進(jìn)行初次激活，在進(jìn)行小額嘗試成功后進(jìn)而進(jìn)行批量的資金轉(zhuǎn)移。

再舉個例子：洗錢行為異常。通過對一周或者一個月內(nèi)的賬戶資金流入流出分析，如果資金的流動是密集集中在一些賬戶，而這些賬戶活躍的IP、設(shè)備是同一個或者相近的，那么風(fēng)險異常是非常高的。

場景4：信用支付場景

在信用支付場景中，除了欺詐風(fēng)險，金融賬戶持有人的信用風(fēng)險更受關(guān)注。而在不同的階段中，風(fēng)控的重點(diǎn)也有所不同：

第一，在預(yù)授信階段，我們可以通過一套規(guī)則模型幫助平臺對借款人進(jìn)行風(fēng)險決策分析。通過對借款人的不良?xì)v史進(jìn)行分析，如借款人曾經(jīng)在法院存在失信或執(zhí)行等糾紛記錄或在同盾合作的信貸平臺有過逾期或者失聯(lián)等不良表現(xiàn)行為，那么這種用戶再次違約的風(fēng)險是高于正常用戶的。

此外，在云端通過數(shù)據(jù)分析用戶近期是否在較多的平臺存在多頭申請和多頭負(fù)債的記錄也可用作風(fēng)險控制。多頭申請數(shù)據(jù)可以預(yù)測用戶對資金的渴望，而負(fù)債數(shù)據(jù)則可以預(yù)測用戶的經(jīng)濟(jì)壓力，通過多頭申請及負(fù)債的具體計(jì)算數(shù)據(jù)我們可以進(jìn)一步作出違約風(fēng)險的預(yù)測評判。

第二，在已放款階段，需要對借款人進(jìn)行貸后的持續(xù)跟蹤管理，即對已放款人進(jìn)行借款后的持續(xù)監(jiān)控，當(dāng)借款人出現(xiàn)信用惡化或者異動時，監(jiān)控模型會第一時間對平臺進(jìn)行風(fēng)險預(yù)警。對于平臺而言，需要根據(jù)風(fēng)險預(yù)警情況進(jìn)行催收策略的調(diào)整。

計(jì)算機(jī)視覺與人臉識別

商湯科技聯(lián)合創(chuàng)始人楊帆表示，金融行為實(shí)際上是說在不同時間、不同地點(diǎn)的價值之間的交換，它實(shí)際上是發(fā)生在人和人之間的有價物的交換過程。

有幾個很重要的點(diǎn)：一是你必須先去這個物的價值做評估和判定，二是雖然你交換的東西是物，但是實(shí)際上進(jìn)行交換的個體是人，就是說人和物之間的關(guān)系綁定。只有交換雙方、交換前后，人和物之間都進(jìn)行一個正確的綁定，這個金融行為才能夠比較完整、正確的發(fā)生。

這樣的綁定是不是永遠(yuǎn)正確的呢？其實(shí)不然。首先這樣的人和物之間的綁定環(huán)節(jié)，也就是人和物之間的關(guān)系，往往會成為整個金融行為中風(fēng)險很大的一點(diǎn)，比如說信用卡盜刷、一房兩賣等等，都是人和物之間的綁定關(guān)系被別人竊取或者造假所導(dǎo)致的。

隨著金融的互聯(lián)網(wǎng)化，對人和物的關(guān)系綁定的便捷性和安全性其實(shí)都提出了更高的要求。此外，便捷性、安全性這兩個指標(biāo)從某種程度上講是負(fù)相關(guān)的，安全性高了往往便捷性會降低，但是我們希望兩個指標(biāo)整體能夠有一個共同的持續(xù)性的提高。另外，互聯(lián)網(wǎng)化的金融在這方面迎來了更大的挑戰(zhàn)。比如我用手機(jī)App發(fā)生一些金融行為的時候，很多時候傳統(tǒng)的方法是把驗(yàn)證碼發(fā)我的手機(jī)上，它會說這個驗(yàn)證碼不要告訴別人，實(shí)際上，手機(jī)上裝的很多app會自動讀這些驗(yàn)證碼，有自動讀短信的功能，這就造成了安全隱患。

所以，以人臉識別為代表的生物特征識別技術(shù)，給金融行業(yè)提供的遠(yuǎn)程的個人身份核驗(yàn)的能力，就是為了更有效、準(zhǔn)確、快捷地去人和物的綁定。那么，人臉識別，是如何應(yīng)用在遠(yuǎn)程身份核驗(yàn)的？

敬請留意：

金融科技火熱無比時，支付場景下的風(fēng)控可以怎么做？(下)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。