在这点上，背后有互联网巨头支撑的金融平台则有很大优势，以今年独立运营的度小满为例，它提供的金融科技产品与解决方案，累计为500+家银行以及互金机构提供反欺诈与风控服务，平均日查询量达到350万以上。其中基于智能图计算的关联网络代表着风控的全面升级。
以关联网络为核心，构建全栈式反欺诈体系？
互联网灰产技术在不断迭代进化，依赖传统的反欺诈技术其实很难识别当前的风险，尤其是客户群体日益下沉，交易频繁、实时性强、数据量大，给平台的反欺诈工作带来了极大的压力。针对这一现状，关系图谱技术恰好契合数字金融业务参与主体多、流程冗长的特点，因为它能够勾勒出看似不相关的主体间的隐含关系，从而有效识别潜在风险。
简单来讲，关系图谱技术通过记录用户节点信息，以及在这些节点上发生行为的相关行为的连接，最终把与之相关的一系列用户和行为都描述出来。节点代表实体，边代表实体之间的关系。比如度小满的关联网络拥有180亿+节点、800亿+边，可以达到秒粒度图快照和秒级查询响应。
应用于反欺诈，最直接的作用就是提升识别骗贷团伙的成功率。比如羊毛党，他们一般有批量的帐号，会用虚拟机和群控等设备，利用关联网络能有效发现不同操作之间的关系，进而通过识别算法进行判断从而捕获。另一方面，在这个维度上做风控，可以将隐蔽在后面的欺诈行为提前预防、并拦截在体系之外。
据悉，度小满的关联网络，已在百信银行、农业银行等多家金融机构进行运用。
当然，仅靠单一的技术无法阻隔日益专业化、体系化的庞大欺诈网络，故而度小满试图构建立体全栈式反欺诈体系，从多个关键环节识别欺诈行为，并进行实时拦截阻断，这背后所依赖的依然是技术优化。
在贷前通过多头监控系统，及时捕获异常状况，提前一个月准确预警风险表现；在贷中，通过获取用户实时行为数据，运用深度学习模型组及多维度用户标签，随时掌握用户行为和需求变化。这一方面是识别用户潜在的欺诈行为，另一方面则准确了解用户习惯和需求，在此基础上为用户提供精准服务。
不过用户画像技术需要知识图谱、自然语言处理、机器学习和数据挖掘等方面的交叉融合，极为考验技术水平，而百度AI技术储备以及其天然对应用户需求的特性，算是度小满的一大优势，也更能帮助其打造智能风控模型。
反欺诈战线能否合作共赢？行业依旧任重道远
相比技能越发专业、流程趋近自动化的互联网灰产，互联网金融大大小小的平台分散于各个角落，因大多在反欺诈上“自食其力”，面对庞大集中的欺诈团体，毋庸置疑会处在弱势地位。故而一个科技金融企业的实力再强，也不能以一己之力从根本上解决欺诈频发。
尤其是优质客户资源被牢牢掌握在银行系手中，征信系统的核心信息也不对外开放，互联网金融行业想要良性发展，更需要从孤军奋战走向联合打击。
但这种合作共赢的局面能否被打开，是关键性问题。比如同行共享，从共享技术和共享信息两个角度来讲，前者鼓励先进的反欺诈技术在行业内共享，也可以直接理解为行业巨头的技术输出，度小满的关联网络运用于多家银行就是一个实例。但是在直接竞争关系下，平台对外开放的技术有限，由此共享技术其实更依赖第三方反欺诈公司。
比如国内争相模仿的FICO，其构建的反欺诈平台为银行、保险公司、政府等机构提供反欺诈服务，很早以前国内的众多互金平台就已接入其信贷评分决策云平台服务。
相比技术，更重要的是共享信息。如果巨头开放数据，那至少能够把反欺诈的成本降低到可以用技术手段解决风险，这无疑是互联网金融的一大进步。但是目前国内被放行的商业个人征信机构几乎都是互联网巨头，他们本身就有各自衍生的互联网金融业务，不可能成为权威的独立第三方，向其它金融主体开放数据。
而且纵观业内，同行欺诈的事件也不在少数，这种恶性竞争的环境下哪个平台也放心不下共享信息。由此看来，如何在不损害平台利益的情况下达到合作共赢，将是最大的难题。
值得认可的是，在反欺诈战线上，互联网企业、头部平台和银行等机构联盟越发频繁，尤其是巨头的加入和引领，有可能在数据、技术等方面的突破过程中发挥关键性作用。
当政策对互联网金融的监管趋紧，早期发展过程当中的劣质项目、高风险项目开始暴露出来，由此引发的平台暴雷固然造成了行业动荡，但这场清洗也将促进平台升级，尤其是风控系统可能迎来新一轮改善。
歪道道，独立撰稿人，互联网与科技圈深度观察者。同名微信公众号：歪道道（wddtalk）。谢绝未保留作者相关信息的任何形式的转载。
文章TAG：危机 行业 金融
