首页 > 专栏

【专栏】狙击千亿网络黑产:AI与人类的第一次正面对决

董云峰 · 零壹财经 2017-09-18 10:41:50 阅读:7700

关键词:人工智能反欺诈百度金融黑产

最近爆发的美国征信巨头Equifax信息泄露事件,波及美国近一半的人口,为互联网时代的信息安全敲响了警钟,再次提醒我们身处在一个很可能危机四伏的数字世界里。近年来,BAT与新兴科技公司的进入,尤其是人工智能等新技术的引入,令反欺诈行业迎来新的发展契机。 公众号:新金融琅...

 

最近爆发的美国征信巨头Equifax信息泄露事件,波及美国近一半的人口,为互联网时代的信息安全敲响了警钟,再次提醒我们身处在一个很可能危机四伏的数字世界里。近年来,BAT与新兴科技公司的进入,尤其是人工智能等新技术的引入,令反欺诈行业迎来新的发展契机。



公众号:新金融琅琊榜

从亚当与夏娃的故事,到特洛伊木马传说,人类社会从第一天起,大概就伴随着谎言与欺骗。

一直以来,金融与信用二字相生相伴,欺诈则是它们的天敌。现代金融的发展成熟,就是一部巩固信用与遏制欺诈的历史。尽管如此,欺诈从未消失,也不可能消失,正如人性中恶的部分。

在如今金融与科技深度融合的背景下,技术的中性充分显现:一方面金融科技的发展前所未有的提升了金融行业的效率与体验,另一方面黑灰势力潜伏在互联网的阴暗处继续作恶,于是形成了规模庞大的网络黑产。

来自第三方的数据显示,目前网络黑产直接从业者超过40万人,算上其上下游人员达到160万人,网络黑产年产值高达1100亿元。美国征信服务巨头益博睿(Experian)早前的一份报告显示,中国是目前全球互联网风险最大的国家之一,网络犯罪导致的损失占GDP的比例为0.63%。

零壹财经近期发布的《中国金融反欺诈技术应用报告》也指出,金融科技业务交易频繁、实时性强、数据量大、客群下沉,相比于银行等传统金融服务机构,金融科技公司可能更容易受到攻击,欺诈者可能会利用这一点将从暗网获得的数据变现,尤其是P2P贷款和欺诈性汇款方面。

去年以来,现金贷大热,许多创业公司开始推出这种没有特定消费场景的无抵押贷款产品,其中一些公司在黑产攻击之下损失惨重,乃至被迫退出市场。实际上,哪怕相对成熟的平台,也很难摆脱黑产的攻击,去年11月,在美上市的宜人贷披露,该平台的极速贷产品遭遇了一桩有组织欺诈事件,导致8130万元的损失。

高歌猛进的金融科技市场,亟需一个强大的反欺诈行业作为支撑。近年来,BAT与新兴科技公司的进入,尤其是人工智能(AI)等新技术的引入,令反欺诈行业迎来新的发展契机。

三类反欺诈公司

在目前的金融反欺诈市场上,根据不同的机构背景,大体上形成了三股力量:互联网巨头、大型金融机构和新兴创业公司。

第一类是BAT等互联网巨头,包括百度金融推出的“磐石”反欺诈、蚂蚁金服“蚁盾”风险评分和腾讯“天御”反欺诈。尽管它们的金融行业经验相对有限,但是技术实力突出、数据积淀雄厚,堪称最值得关注的力量。

磐石反欺诈:依托百度的大数据及人工智能技术,构建反欺诈系统,面向金融行业伙伴全面开放;磐石反欺诈主要通过身份识别和大数据风控技术,将金融业务,特别是信贷业务的“贷前、贷中、贷后”,进行全方位的AI技术“扫描”去黑、加密防黑。

蚁盾:蚁盾风险评分是一套能够对手机号、支付宝账号等主体进行风险预测、风险解释的评分体系,商户通过注册用户的手机号,能得到其风险评分,借此识别批量的机器注册、恶意刷单的虚假交易以及黄牛抢购。

天御反欺诈:通过腾讯的大数据风控能力,识别恶意用户与行为,解决机构在支付、借贷、理财、风控等业务环节遇到的欺诈威胁,降低企业的损失。依托腾讯生态数据,支持手机号、设备、银行卡、邮箱等多个检测维度。

第二类是大型金融机构,现阶段它们对外输出反欺诈能力的并不多,目前相对成熟的是中国平安旗下的前海征信。依托金融机构的牌照优势和风控经验积累,这类机构拥有一定的先天优势,但是对于在线数据的积累和理解相对不足。

前海征信:面向信贷行业推出好信黑名单、好信盔甲等产品。“好信黑名单”依托大数据技术,通过和传统金融机构、互联网金融机构、公安机关、通信公司等跨行业共享黑名单,以实现“联防联控”;好信盔甲反欺诈系统依托征信大数据并配合规则引擎,为用户提供全维度风控信息解析。

第三类是新兴的反欺诈创业公司,包括邦盛科技通付盾同盾科技聚信立和百融金服等。这类新兴机构虽然实力相对偏弱,但其特点是独立和专注,能够积极运用新技术。

邦盛科技:成立于2010年,服务行业涵盖银行、第三方支付、互联网金融、证券保险、OTA、电商等,自主研发了一整套金融领域实时风险控制与反欺诈产品线,已涵盖实时反欺诈、实时授信、机器学习、机器防御、数据服务、反洗钱、设备指纹等。

通付盾:成立于2011年,为有效预防和应对金融科技的四类主要风险,为客户提供四大产品线: 应用风险防护、账号风险防护、欺诈风险防护和信用风险防护。

同盾科技:成立于2013年,为非银行信贷、银行、保险、基金理财、三方支付、航旅、电商、O2O、游戏、社交平台等多个行业客户提供风险管理整体解决方案。

聚信立:成立于2013年,通过用户授权获得非传统风控数据,如通话信息、消费数据等互联网信息,对客户风险特征进行描述,并提供给金融机构,供其做相应的后续决策。

百融金服:成立于2014年,为信贷行业用户提供营销获客、贷前信审、贷中管控以及贷后管理等服务。截至目前,为银行、持牌消费金融公司以及小贷公司、网贷企业等机构提供营销获客、风控以及贷后不良资产管理等产品和服务。

随着金融科技的深入发展,以及网络黑产问题的日益凸显,金融反欺诈行业正在成为新的风口,吸引了越来越多市场主体的进入。

用AI狙击黑产

在网络欺诈不断壮大的同时,反欺诈行业蓬勃发展起来。遗憾地是,反欺诈行业的发展步伐,很可能赶不上黑产的“进化“速度。

在今年7月底召开的2017网络安全生态峰会上,中国人民公安大学网络安全与法制协同创新中心研究员陈琴指出,黑灰产业之所以如此发达且从业人员众多,就在于它非常具有互联网特色,能够精准地抓住用户的心理诉求和痛点,还会观察最新的产业热点,利用人工智能,不断更新骗术。

最高人民法院中国应用法学研究所副所长李玉萍在上述峰会上称,如今技术黑产已经成为网络犯罪的技术支撑,处于产业链的最上端;同时,技术黑产种类齐全,各类恶意软件,种类繁多,只要有需求,就会出现。

这意味着,在反欺诈战争中,我们面对的敌人,拥有强大的技术能力。要想剿灭网络黑产,就需要更先进的反欺诈技术,而人工智能很可能是一个突破口。

将人工智能应用于反欺诈,国内的试水者并不少,包括同盾科技、商汤科技等,但到目前为止,尚无具备广泛市场影响力的案例出现。百度金融于今年6月推出磐石反欺诈,为这一细分市场带来了新的想象空间。

据了解,磐石反欺诈通过身份识别和大数据风控技术,将金融业务进行全方位的AI技术“扫描”去黑、加密防黑。其中,身份识别技术主要包含了活体识别(集成了设备风控能力)、OCR识别;大数据风控涵盖了风险名单、多头防控分、关联黑产分、信用分、信息置信度、地理位置核验、用户授权认证等多种产品。

如何从源头上反欺诈?磐石反欺诈做的第一件事是身份识别,运用AI技术打造出一个“火眼金睛”的系统。磐石反欺诈的工程师们介绍了这样一个实例:某互联网金融公司旗下小额现金贷款APP接入磐石后,通过磐石的活体及OCR识别单日能拦截400个左右问题用户,以其产品平均借贷额度1万元进行计算,每天能够有效拦截400万元左右的问题借贷。据了解,磐石反欺诈人脸1:1验证准确率为 99.77%,亦可以实现秒级验证。

在身份识别领域,国内新兴的人工智能公司商汤科技亦小有名气,其产品被应用于银联、招商银行拉卡拉等金融机构。诸如,通过商汤科技提供的人脸搜索技术,金融机构可以快速完成新用户照片与已有黑名单人脸库的比对,快速筛选出潜在诈骗分子;通过人证比对和活体检测技术,可以有效防止身份信息盗用情况。

除了身份识别,磐石反欺诈还推出了“多头防控分”和“黑产关联分”。

多头借贷是目前互联网金融行业的一大痛点。通过“多头防控分”:一位用户在某互联网金融借贷平台C上申请2万元小额贷款,通过磐石反欺诈多头查询接口输入该用户信息,发现这一用户在近7天内在8家互联网金融公司申请了现金贷款,故拒绝了该用户此次申请。

依靠产品架构及图形化黑产关联建设技术,磐石反欺诈还会向金融机构输出黑产关联分,帮助金融机构有效识别团伙欺诈、黑中介。举例来说,某学生向某教育信贷机构申请分期贷款,该机构通过磐石关联黑产接口对用户资质进行审核,发现该用户与多达15个风险名单、恶意逾期用户、骗贷团伙关联密切,所以就拒绝了教育贷款分期需求。

市场上的同类产品还有同盾科技推出的“智信分”,它综合用户的跨平台信用记录、静态面貌、履约能力、消费偏好、互联网足迹等信息,以此描述用户的信用等级。根据评分情况,平台可以直接做出服务、跟进或者拒绝服务的风控指令;还可以根据评分预测未来违约的可能,初步判断出逾期或者成为坏账的可能。

作为后来者。自6月份上线以来,磐石反欺诈已经和数百家银行、互联网金融机构,包括消费分期、现金贷、P2P网贷、第三方征信及其他机构等建立了合作关系。

零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

相关文章


用户评论

游客

自律公约

所有评论

皓月誉金

皓月誉金

哈哈哈哈哈哈哈

0 回复


资讯排行

  • 48h
  • 7天


专题推荐

more

第四届中国零售金融发展峰会(共15篇)

《陆家嘴》交流会第6期(共14篇)

2022第一届中国数字科技投融资峰会(共43篇)

2019年数字信用与风控年会(共15篇)



耗时 161ms