Maxent猛犸反欺诈CEO张克：用户的线上数据将是反欺诈的金矿

消费金融零壹财经零壹财经 2016-09-23 阅读：5047

关键词：反欺诈 消费金融

张克认为，随着消费金融领域的发展，风控系统引入新的适合移动金融的反欺诈技术，对现有的系统进行升级换代将是必然。

9月22日，2016中国消费金融高峰论坛在北京富力万丽酒店正式开幕。本次论坛以消费金融的发展、创新合作为主题，聚集消费金融业内大咖在22、23日两天内展开讨论和研究。Maxent猛犸反欺诈CEO张克发表演讲。

张克认为，随着消费金融领域的发展，风控系统引入新的适合移动金融的反欺诈技术，对现有的系统进行升级换代将是必然。他认为，用户在线上所有行为都提供了大量的反欺诈数据，如果可以将这些数据应用起来，那么将会是一个金矿。

张克表示，虽然现在的消费金融场景里面基于规则的反欺诈系统仍然必不可少的，但是随着我们消费金融业务的拓展必然开拓不同的消费场景，必然会遇到各种各样的欺诈模式，就要求我们建立起一个自动化智能化的反欺诈系统。

以下为发言原文：

张克：今天参加这个会有两件事情很兴奋：第一看到消费金融领域风控和反欺诈已经成为热议的话题，现在新兴的方法都在用数据和机器学习的方法解决问题；第二我看到有一个趋势就是在做大数据技术的公司都喜欢用大象作为公司的标志。

今天主要想大家探讨一下新消费金融场景下怎么样构建一个反欺诈系统？银行业过去一直是技术高度敏感的行业，每一次有技术的重大革新的时候都会重塑银行业的运营模式推动银行业的变革。过去几十年我们看到银行业一直使用各种新的技术，把自己的业务触达点深入到用户的生活当中去，从支行到呼叫中心到网上银行，现在银行可以通过手机终端更快捷、廉价、迅速的给用户提供服务。随着业务触达点从实体变得虚拟、从直接变间接，特别在消费金融领域用户的需求变得场景化、技术化。这种情况下，我们如何做到应对和相应的解决方案呢？我们面临挑战，我们的风控系统必然引入新的适合移动金融的反欺诈技术，对现有的系统进行升级换代。

模拟一个消费金融典型场景，大学生小明要买一台手机，他会关注几家分期贷款的企业会注册帐号，在家里或者路上通过PC或者手机不断的浏览金融产品的信息，最终关注几个有可能用到的金融产品，当想要的手机上市的时候他会去购买。我们看到它通过几个流程完成，用户首次关注金融服务到最后发起贷款请求这之间的行为有可能因人而异非常个性化，当用户发起贷款请求的时候希望立刻知道审批结果不需要离开使用场景。这是全线上的及时化个性化，为我们传统的反欺诈系统带来了新的挑战，我们看一下传统的反欺诈系统能够做什么，交易发起请求的时候一定做黑名单的匹配，知道小明不是一个欺诈者，确认小明的行为模式也不是已知的欺诈模式，最后通过人工审核环节进行确认是否批准请求。

黑名单是一种强规则，这种规则有它的局限性，黄鼠狼给鸡拜年不安好心，这也是帮助鸡进行识别防范风险。但是如果这时候来了一只饥饿的野狗那鸡如何进行判断呢？这需要鸡有非常强的经验，这个过程中它承担了更多的风险有可能被吃掉了。这种基于专家规则的系统本质上是把过去已经发生的欺诈固化下来，防止相同的欺诈在未来某一天发生。人类在生活中也经常分辨好人与坏人，我们有更高的智慧做分辨。我们常说听其言观其行，做消费金融业务的时候，实际上观察一个用户的行为，也是我们了解它行为背后的一个方法。一个用户在线上所有的行为给我们提供了大量的做欺诈检测的信息，如果我们能够很好的把信息利用起来，这些实际上是我们每一家消费金融公司一定会产生的第一方的数据，这是我们反欺诈的金矿，能够提升我们做欺诈识别的准确度。随着我们大数据人工智能技术的发展，我们现在的反欺诈系统已经进入了一个自动化智能化的阶段，这些是基于用户行为模式的学习和自动检测技术之上，给我们提供了一个观其行的能力，了解用户行为背后蕴藏的风险的能力。自动的模式学习是指建立在用户行为设备行为准确追踪基础上，当消费金融的用户首次访问我们服务的时候在机器学习每一分钟每一天都在不断的学习个体行为模式，用户的群体行为模式，比较两者之间的差异和不同个体用户之间的关联，为后续的自动的异常检测做准备。

当一个交易发生的时候，我们可以通过分析用户个体行为与历史行为的差异，变化的差异，用户个体行为和群体行为的差异，辅助交易本身某一特征纬度的检测就可以发现这次交易在某些纬度上可能产生异常。我们看一个例子消费金融的业务，比如说一家消费金融公司从交易量每天100单变成150单，但是这里面可能有一些是可疑的，但是黑名单并没有阻断交易，我们如何判断交易量的增长是来自于业务的爆发还是来自于我们不知道的新的欺诈模式。在智能化的反欺诈系统里面首先表现在用户行为的变化里面，这里面分地设备类型分IP分场景，我们发现新增的交易里面某些纬度某种设备类型新增交易模式和总体的交易模式有比较大的差异，这里面展现出异常，我们针对交易和终端的检测，我们发现异常交易更多集中在某几个地区或者某几个设备类型上，这些异常交易的设备它修改了设备的ID，试图隐藏自己发起交易的实际的地理位置，这些异常特征都会被自动抽取出来，从终端到交易到用户的行为模式，这些层级上的异常特征被抽取之后会输入到风险评分模型，根据每一个纬度异常程度高低不同会得到不同欺诈的风险分数。这个里面我们并不是得到明确的结果他是欺诈或者不是，但是可以得到欺诈风险高低的评分，这样我们可以得到预警。现在的欺诈团伙往往很专业，对抗过程中已经积累了很强的反检测的能力，所以所谈到的各种检测技术上需要附加一层对象之间的关联分析，分析纬度和属性上产生的关联，主动的发现有目的的隐藏起来的欺诈行为。

猛犸反欺诈建立了关于交易的关联图谱，当欺诈团伙发起交易的时候，这个交易在某些属性上和已经发现的欺诈网络产生强关联，这种情况下把这些新的欺诈交易识别出来。所以新的反欺诈系统应该是多层级的复合的方式，多层级是从终端到交易到用户个体行为各个层级上做的分析，同时是自动化智能化的，虽然现在的消费金融场景里面基于规则的反欺诈系统仍然必不可少的，但是随着我们消费金融业务的拓展必然开拓不同的消费场景，必然会遇到各种各样的欺诈模式，就要求我们建立起一个自动化智能化的反欺诈系统。这样一个系统的建立是非常复杂的过程，对于消费金融企业要从比较高的层面建立一个有弹性的反欺诈框架，在风控框架里面我们要根据业务于是需要在合适的时间非常快速简单引入单项的反欺诈点解决具体的问题。业务早期引入黑名单，把业务发展过程中把一些欺诈形成固化规则，移动端交量上来后可以引入对终端检测的技术，针对交易属性检查的技术，通过不断的引入单项技术来实施反欺诈。我们要进行用户行为模式的学习，逐步的跟踪，建立起一个安全可控的消费金融的业务平台。

我总结一下：我们探讨了如何利用新的技术为消费金融建立起自动化智能化反欺诈系统的平台，这里面有很多的技术点，也有很多第三方的做服务的公司解决不同的技术点，对于消费金融公司可以把这些技术点直接拿来快速直接使用。在座的希望与会后多多交流，咱们共同建立一个诚信的互联网环境，谢谢大家！

专题推荐：金融毛细血管

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。