0
“0.2%的欺詐虧損率，比銀行整體0.4%還要低”，360金融副總裁鄭彥對雷鋒網(wǎng)AI金融評論說道。
360金融招股書顯示，截至2018年9月30日，360金融促成貸款的M3+逾期率為0.6%，其中由于欺詐造成的虧損率為0.2%。
據(jù)了解，360金融2016年9月才正式開展信貸業(yè)務，僅用2年多的時間達到0.2%的欺詐虧損率，可以說實屬不易。
一方面，黑產(chǎn)規(guī)模龐大，人員眾多。公開資料顯示，截止到2018年6月，中國網(wǎng)絡黑產(chǎn)從業(yè)人員已超150萬人，據(jù)估計造成的損失規(guī)模高達千億元級別。
另一方面，黑產(chǎn)的反偵查能力更強。隨著科技的飛速發(fā)展，金融領域的網(wǎng)絡欺詐攻擊呈現(xiàn)出“迅速且實時化、隱蔽性更強、成熟產(chǎn)業(yè)化”三大趨勢，成為反欺詐三大難點。
在這樣的形勢下， 360金融在反欺詐方面能達到如此成績，雷鋒網(wǎng)AI金融評論認為，既有先天原因也有后天原因。
事實上，在成熟的網(wǎng)絡黑產(chǎn)面前，360金融并非一個單打獨斗的弱小新生兒。其母公司360集團憑借在互聯(lián)網(wǎng)安全領域多年的深耕，為360金融提供了用戶、數(shù)據(jù)、技術和人才的支持。
雷鋒網(wǎng)AI金融評論了解到，其中前三點正是衡量金融公司反欺詐能力的關鍵指標，也是360金融最核心的競爭優(yōu)勢?！巴瑫r具備用戶、數(shù)據(jù)、技術三大優(yōu)勢的金融科技公司在反欺詐業(yè)內(nèi)屈指可數(shù)，360金融至少排在TOP3以內(nèi)”，鄭彥表示。
首先在用戶和數(shù)據(jù)方面，通過360集團十億多的設備和五億多的月活客戶數(shù)據(jù)，360金融可以做深度的數(shù)據(jù)挖掘，目前已積累了千萬級別的黑名單和數(shù)億的白名單庫。
在鄭彥看來，黑產(chǎn)名單作為第一道防范，量級非常重要：一是可以在最初就直接拒絕掉大部分風險客戶，二是也為后續(xù)網(wǎng)絡關系分析提供了基礎。
“如果你只有一個幾十萬或者幾百萬的黑產(chǎn)名單，其實作用并不大。只有當你積累了足夠多的黑名單時，才能有效提高風險識別率，并且少交很多學費?！?/p>
除了直接可用的黑白名單之外，360集團還為360金融提供了很多支持型數(shù)據(jù)，如百萬級別的催收電話庫和數(shù)十萬級別的賭博網(wǎng)站名單，使反欺詐數(shù)據(jù)更加豐富全面。
其次在技術支持方面，360最早以殺病毒、防木馬和反欺詐起家，反欺詐技術可以說是深刻在360金融基因里的東西。
“我們平日里與集團的互動主要體現(xiàn)在，集團在各個垂直領域里做攻防演練的時候，會把這些信息同步給我們，讓我們能夠提前知道并防范掉這些風險?！编崗┙榻B到。
此外，“我們還會與集團做一些聯(lián)合建模，因為集團有非常多的人工智能算法專家，他們在這方面的能力非常強?！?br/>
除了集團帶來的先天優(yōu)勢，鄭彥認為，360金融自身也在不斷努力著，比如技術方面短短兩年多時間就實現(xiàn)了三次重大突破。
一是工具層面，引入了復雜關系網(wǎng)絡分析。
把關系網(wǎng)絡分析提到最優(yōu)先級，對鄭彥來說是印象最深的一個技術突破。
鄭彥回憶到，2016年11月，距360金融正式開展信貸業(yè)務不到兩個月，反欺詐團隊就經(jīng)歷了一次高強度的團體欺詐攻擊。短短一天時間內(nèi)，詐騙人數(shù)占到了整個渠道客戶的90%以上，并且這些人在地理位置和設備使用上都沒有很明顯的異常分布，意味著傳統(tǒng)的流量管控方式在當時已經(jīng)失效。
面對這種情況，鄭彥帶領團隊通過線下分析方式，發(fā)現(xiàn)這個群體直接或者間接關聯(lián)到了某一個人，然后團隊以此人為中心，往外拓展兩層關系去分析，發(fā)現(xiàn)他是一個網(wǎng)絡貸款黑中介，以此為切入點最終成功實施了反欺詐，保護了資金安全。
“此前我們是線下做數(shù)據(jù)分析，但這件事發(fā)生后，我們就把關系網(wǎng)絡開發(fā)提到了最優(yōu)先級?，F(xiàn)在我們已經(jīng)能做到實時計算關系網(wǎng)絡，目前我們的關系網(wǎng)絡大概有11多億個關系節(jié)點和140多億的關系邊”。
同時鄭彥補充，也得益于千萬級別的黑名單和白名單，為復雜關系網(wǎng)絡分析提供了必要的基礎，兩者相結合再整體跑下來，360金融的欺詐虧損率就到達了非常低的比率。
二是算法層面，引入了無監(jiān)督機器學習。
近一兩年來無監(jiān)督機器學習技術越來越受到業(yè)界重視。據(jù)了解，相比此前常用的有監(jiān)督機器學習，無監(jiān)督機器學習的突出優(yōu)勢在于：可以找到互聯(lián)網(wǎng)線上欺詐大規(guī)模復制行為背后的相關性，然后進行聚類，能非常有效應對互聯(lián)網(wǎng)團伙欺詐。
“簡單來說，有監(jiān)督機器學習幫我們找已知風險，無監(jiān)督機器學習幫我們找未知風險?！痹卩崗┛磥?，欺詐與反欺詐猶如一場持續(xù)的攻防戰(zhàn)，在如今互聯(lián)網(wǎng)和新技術場景下，線上欺詐手段形式多變且速度很快，這種情況下無監(jiān)督機器學習具有非常獨特的優(yōu)勢。
三是系統(tǒng)層面，實現(xiàn)了全自動化建模。
在自動建模系統(tǒng)下，從建表、跑模型、到檢驗、再到部署都實現(xiàn)了自動化，這樣做的好處有三：
首先，360金融反欺詐模型目前有近200個，且更迭速度很快，全自動化建模在減少模型師人力成本的同時，也有效減少了人為操作帶來的風險。
其次，全自動化建模保證了對高風險行為的實時攔截。鄭彥表示，360金融的復雜關系網(wǎng)絡分析目前已能做到3秒鐘之內(nèi)更新全量數(shù)據(jù)，同時還能透過數(shù)據(jù)表象挖掘到更深層次的關系，辨識出一些隱蔽性很強的欺詐團伙。
最后，支持了高效的模型迭代，“目前360金融基本上每周都有2個版本的迭代”，鄭彥說。
作為連接BC兩端的金融科技平臺，鄭彥認為反欺詐能力給360金融整體業(yè)務帶來了三方面的促進：
首先是技術層面的促進。清晰化了對欺詐風險和信用風險的區(qū)分，直接提升了模型的精確度，進而推動了客戶判斷的準確性。
其次是對C端客戶方面的促進。有了更好的風險區(qū)分，就能使客戶定額更加精準，從而更好服務C端客戶。
第三是對B端客戶方面的促進。當能夠更精準服務客戶時，平臺的風險表現(xiàn)也會更好，反過來就會吸引更多的金融機構過來合作，幫助平臺鏈接更多優(yōu)質的B端資源，反過來又會推動平臺業(yè)務的精細化。
“可以說反欺詐是一個基礎的能力，這個基礎能力能夠帶來良性循環(huán)，讓我們把連接B端和C端這件事做得更好?！?br/>
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
