“無(wú)科技，不金融”。跟著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來(lái)，科技金融模式不斷立異，可是詐騙辦法也在不斷立異，出現(xiàn)出專業(yè)化、產(chǎn)業(yè)化、蔭蔽化等特色。日前，世界科技開(kāi)發(fā)者盛會(huì)DeveloperWeek 2019評(píng)選VR、人工智能、金融科技等領(lǐng)域優(yōu)勝者，AI公司DataVisor維擇科技憑借無(wú)監(jiān)督機(jī)器學(xué)習(xí)技能取得最具出資價(jià)值的科技金融企業(yè)獎(jiǎng)。
無(wú)監(jiān)督機(jī)器學(xué)習(xí)技能是什么，為何會(huì)被認(rèn)為最具出資價(jià)值？它能在科技金融活動(dòng)中起到什么效果？能解決哪些金融買賣中的問(wèn)題？
科技金融反詐騙立異利器
與傳統(tǒng)金融不同，互聯(lián)網(wǎng)金融業(yè)務(wù)大多發(fā)作在線上，往往幾秒鐘就完結(jié)審閱、申請(qǐng)、放款等，面臨的詐騙危險(xiǎn)也是史無(wú)前例的。據(jù)統(tǒng)計(jì)，我國(guó)網(wǎng)絡(luò)犯罪導(dǎo)致的丟失占GDP0.63%，一年丟失金額高達(dá)4000多億人民幣。國(guó)際上的情況也不樂(lè)觀，多份商場(chǎng)研究報(bào)告指出，僅2016年一年，全球信用卡、借記卡、預(yù)付卡和私有品牌付出卡丟失就高達(dá)163.1億美元；每年穩(wěn)妥詐騙(不包括健康險(xiǎn))丟失總額估計(jì)超越400億美元。
“跟著技能不斷演進(jìn)，針對(duì)金融業(yè)的進(jìn)犯、詐騙辦法已不同以往。團(tuán)伙作案、分工明確、把握各種先進(jìn)技能工具、不斷改變進(jìn)犯辦法，全新應(yīng)戰(zhàn)使得金融企業(yè)越來(lái)越難以招架。”DataVisor我國(guó)區(qū)總經(jīng)理吳中說(shuō)，金融反詐騙期待立異已成業(yè)界共識(shí)。
“無(wú)監(jiān)督機(jī)器學(xué)習(xí)是近年才發(fā)展起來(lái)的反詐騙辦法。目前國(guó)內(nèi)反詐騙金融效勞主要是運(yùn)用是非名單、有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督機(jī)器學(xué)習(xí)的辦法來(lái)完結(jié)。”愛(ài)信諾征信有限公司總經(jīng)理金端峰在接受科技日?qǐng)?bào)記者專訪時(shí)說(shuō)。
是非名單被認(rèn)為是最原始的反詐騙方法，類似于“篩選器”。如銀行征信系統(tǒng)就可了解成一個(gè)是非名單，信用卡屢次逾期還款就可能被列入信貸“黑名單”；在淘寶上購(gòu)買了退貨險(xiǎn)后屢屢退貨，就可能上騙保“黑名單”。是非名單是所有反詐騙辦法中最簡(jiǎn)單的，但也是更新最慢、成本最高的。
能將反常用戶一掃而光
有監(jiān)督學(xué)習(xí)需求很多有標(biāo)簽數(shù)據(jù)來(lái)練習(xí)模型，以此來(lái)猜測(cè)還未被標(biāo)示的數(shù)據(jù)。以垃圾郵件為例，假設(shè)把5000封已由人工確認(rèn)過(guò)的垃圾郵件輸入到模型，模型經(jīng)過(guò)對(duì)標(biāo)題的辨認(rèn)、郵件內(nèi)容語(yǔ)句的分割、關(guān)鍵詞的辨認(rèn)等各種剖析辦法，找到其間的內(nèi)涵聯(lián)系。如標(biāo)題中有“福利”二字的，有90%的可能性是垃圾郵件；一次性發(fā)送超越200封的，有60%的可能性是垃圾郵件；回復(fù)率低于10%的，有70%的可能性是垃圾郵件……所以，當(dāng)模型處理一封新郵件時(shí)，經(jīng)過(guò)檢測(cè)以上各子項(xiàng)，并對(duì)每一子項(xiàng)乘以百分比后相加，就能得出垃圾郵件的可能性。但有監(jiān)督學(xué)習(xí)的弊端是，每個(gè)模型都需求很多練習(xí)數(shù)據(jù)以及較長(zhǎng)的練習(xí)時(shí)刻。
“可能你的模型還沒(méi)有練習(xí)好，詐騙分子現(xiàn)已完結(jié)詐騙活動(dòng)并尋覓下個(gè)目標(biāo)了。”吳中說(shuō)。
無(wú)監(jiān)督機(jī)器學(xué)習(xí)主要方法有聚類和圖形剖析。金端峰說(shuō)，無(wú)監(jiān)督無(wú)需任何練習(xí)數(shù)據(jù)和標(biāo)簽，經(jīng)過(guò)聚類等機(jī)器學(xué)習(xí)算法模型發(fā)現(xiàn)用戶的共性行為，以及用戶和用戶的聯(lián)系來(lái)檢測(cè)詐騙。“經(jīng)過(guò)無(wú)監(jiān)督機(jī)器學(xué)習(xí)剖析用戶的共性行為，能夠發(fā)現(xiàn)偽裝過(guò)的反常用戶，將其一掃而光。”
何為聚類方法？例如一群用戶注冊(cè)事情，可經(jīng)過(guò)聚類發(fā)現(xiàn)幾個(gè)小群契合某些共性：注冊(cè)時(shí)刻集中，都運(yùn)用了某種操作系統(tǒng)，某一個(gè)瀏覽器版別等。該用戶群中的任何一個(gè)單獨(dú)拿出來(lái)剖析，看上去都極為正常，如果契合某種超乎尋常的一致性就十分可疑了。比如一群人在凌晨2—3點(diǎn)采用同一款瀏覽器注冊(cè)了同一產(chǎn)品，其IP的前20位相同，GPS定位小于1公里，注冊(cè)后都修改了昵稱和性別等。
現(xiàn)在的金融詐騙都是團(tuán)伙作戰(zhàn)，面對(duì)“化整為零，批量復(fù)制”的詐騙辦法，金端峰說(shuō)，無(wú)監(jiān)督算法運(yùn)用于反詐騙檢測(cè)還有一個(gè)優(yōu)勢(shì)，那就是能提前預(yù)警。“現(xiàn)在的詐騙分子都有潛伏期，以免太簡(jiǎn)單被發(fā)現(xiàn)。因?yàn)樗麄冊(cè)跐摲诘男袨槿匀黄鹾夏撤N規(guī)律，具有某些一致性，同樣還是會(huì)被無(wú)監(jiān)督算法捕捉到。在進(jìn)犯發(fā)作前就檢測(cè)出詐騙分子，這一點(diǎn)傳統(tǒng)辦法是難以做到的，防患于未然這也是無(wú)監(jiān)督機(jī)器學(xué)習(xí)之所以在反詐騙檢測(cè)中大放光榮的重要原因之一。”
防患于未然及時(shí)預(yù)警
在科技金融活動(dòng)中，無(wú)監(jiān)督機(jī)器學(xué)習(xí)能有用防止詐騙行為的發(fā)作并及時(shí)對(duì)用戶發(fā)出預(yù)警，阻撓開(kāi)戶詐騙、詐騙買賣、賬號(hào)盜取，發(fā)現(xiàn)洗錢進(jìn)犯等，保障正常的金融活動(dòng)。
金端峰舉例說(shuō)，猛犸反詐騙公司依據(jù)非監(jiān)督式的反常檢測(cè)，將數(shù)據(jù)分解為正常趨勢(shì)、隨機(jī)擾動(dòng)和反常情況三部分，并在此基礎(chǔ)上做到設(shè)備、網(wǎng)絡(luò)和用戶三個(gè)層面上的“千人千面”；并依據(jù)用戶間的彼此相關(guān)構(gòu)造網(wǎng)絡(luò)圖，詐騙者往往團(tuán)體作案，行為表現(xiàn)在網(wǎng)絡(luò)圖中出現(xiàn)高度一致性和聚集性，與正常用戶明顯不同，因此運(yùn)用聚類和圖形剖析區(qū)分詐騙行為。“螞蟻金服、京東金融等一些高科技互聯(lián)網(wǎng)公司也經(jīng)過(guò)無(wú)監(jiān)督機(jī)器學(xué)習(xí)等技能辦法，在金融科技方面取得了良好成績(jī)。”
除了有用防止詐騙行為的發(fā)作，無(wú)監(jiān)督機(jī)器學(xué)習(xí)在科技金融領(lǐng)域還能有多種效果。比如經(jīng)過(guò)用戶畫像和大數(shù)據(jù)模型精準(zhǔn)找到用戶，完結(jié)精準(zhǔn)營(yíng)銷；依據(jù)個(gè)人出資者供給的危險(xiǎn)接受水平、收益目標(biāo)以及風(fēng)格偏好等要求，運(yùn)用一系列智能算法及出資組合優(yōu)化等理論模型，為用戶供給最終的出資參考，并依據(jù)商場(chǎng)動(dòng)態(tài)對(duì)財(cái)物裝備調(diào)整供給主張；出資研究需求收集很多材料，進(jìn)行數(shù)據(jù)剖析，報(bào)告撰寫等，經(jīng)過(guò)機(jī)器自主抓取相關(guān)信息，能夠輔助決策，乃至主動(dòng)生成投研報(bào)告；運(yùn)用大數(shù)據(jù)人工智能技能，可運(yùn)用海量的多維度數(shù)據(jù)，塑造出高度精細(xì)化的危險(xiǎn)控制模型；經(jīng)過(guò)學(xué)習(xí)、積累金融法規(guī)，并結(jié)合金融機(jī)構(gòu)的實(shí)際情況供給合規(guī)主張；機(jī)器還能夠從海量的買賣數(shù)據(jù)中學(xué)習(xí)常識(shí)和規(guī)矩，發(fā)現(xiàn)反常行為，對(duì)洗錢行為進(jìn)行警示等。
運(yùn)用廣泛可進(jìn)行出資猜測(cè)
無(wú)監(jiān)督機(jī)器學(xué)習(xí)技能的運(yùn)用正在不斷深入和擴(kuò)展。愛(ài)信諾是上市企業(yè)航天信息股份有限公司的全資子公司，在大數(shù)據(jù)采集、剖析和運(yùn)用方面具有杰出才能，建成了以稅務(wù)和企業(yè)經(jīng)營(yíng)數(shù)據(jù)為核心的企業(yè)信用數(shù)據(jù)庫(kù)。
金端峰說(shuō)，其實(shí)，許多大公司都有大型數(shù)據(jù)庫(kù)，儲(chǔ)存用戶數(shù)據(jù)信息，經(jīng)過(guò)無(wú)監(jiān)督機(jī)器學(xué)習(xí)剖析用戶的整體數(shù)據(jù)，就能發(fā)現(xiàn)用戶金融消費(fèi)習(xí)慣的改變、出資偏好等，主動(dòng)發(fā)現(xiàn)商場(chǎng)分類并針對(duì)不同集體用戶推出不同的金融產(chǎn)品。“這樣，有針對(duì)性的開(kāi)發(fā)新商場(chǎng)，減少了盲目投入。”
此外，依據(jù)客戶國(guó)籍、職業(yè)、薪酬、經(jīng)驗(yàn)、行業(yè)、信用記載等信息，運(yùn)用無(wú)監(jiān)督機(jī)器學(xué)習(xí)技能來(lái)確定客戶的信用危險(xiǎn)評(píng)分，乃至是在向客戶供給任何效勞之前就進(jìn)行此類評(píng)定，加快放貸進(jìn)程，還能避免耗時(shí)而必要的“盡調(diào)”進(jìn)程。
“跟著機(jī)器學(xué)習(xí)的運(yùn)用，股票猜測(cè)變得適當(dāng)簡(jiǎn)單。”金端峰說(shuō)，機(jī)器學(xué)習(xí)算法會(huì)運(yùn)用上市企業(yè)的財(cái)物負(fù)債表、損益表等歷史數(shù)據(jù)，進(jìn)行剖析，并找出聯(lián)系到公司未來(lái)發(fā)展的有意義的跡象，進(jìn)行出資猜測(cè)。
無(wú)監(jiān)督機(jī)器學(xué)習(xí)技能是什么，為何會(huì)被認(rèn)為最具出資價(jià)值？它能在科技金融活動(dòng)中起到什么效果？能解決哪些金融買賣中的問(wèn)題？
科技金融反詐騙立異利器
與傳統(tǒng)金融不同，互聯(lián)網(wǎng)金融業(yè)務(wù)大多發(fā)作在線上，往往幾秒鐘就完結(jié)審閱、申請(qǐng)、放款等，面臨的詐騙危險(xiǎn)也是史無(wú)前例的。據(jù)統(tǒng)計(jì)，我國(guó)網(wǎng)絡(luò)犯罪導(dǎo)致的丟失占GDP0.63%，一年丟失金額高達(dá)4000多億人民幣。國(guó)際上的情況也不樂(lè)觀，多份商場(chǎng)研究報(bào)告指出，僅2016年一年，全球信用卡、借記卡、預(yù)付卡和私有品牌付出卡丟失就高達(dá)163.1億美元；每年穩(wěn)妥詐騙(不包括健康險(xiǎn))丟失總額估計(jì)超越400億美元。
“跟著技能不斷演進(jìn)，針對(duì)金融業(yè)的進(jìn)犯、詐騙辦法已不同以往。團(tuán)伙作案、分工明確、把握各種先進(jìn)技能工具、不斷改變進(jìn)犯辦法，全新應(yīng)戰(zhàn)使得金融企業(yè)越來(lái)越難以招架。”DataVisor我國(guó)區(qū)總經(jīng)理吳中說(shuō)，金融反詐騙期待立異已成業(yè)界共識(shí)。
“無(wú)監(jiān)督機(jī)器學(xué)習(xí)是近年才發(fā)展起來(lái)的反詐騙辦法。目前國(guó)內(nèi)反詐騙金融效勞主要是運(yùn)用是非名單、有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督機(jī)器學(xué)習(xí)的辦法來(lái)完結(jié)。”愛(ài)信諾征信有限公司總經(jīng)理金端峰在接受科技日?qǐng)?bào)記者專訪時(shí)說(shuō)。
是非名單被認(rèn)為是最原始的反詐騙方法，類似于“篩選器”。如銀行征信系統(tǒng)就可了解成一個(gè)是非名單，信用卡屢次逾期還款就可能被列入信貸“黑名單”；在淘寶上購(gòu)買了退貨險(xiǎn)后屢屢退貨，就可能上騙保“黑名單”。是非名單是所有反詐騙辦法中最簡(jiǎn)單的，但也是更新最慢、成本最高的。
能將反常用戶一掃而光
有監(jiān)督學(xué)習(xí)需求很多有標(biāo)簽數(shù)據(jù)來(lái)練習(xí)模型，以此來(lái)猜測(cè)還未被標(biāo)示的數(shù)據(jù)。以垃圾郵件為例，假設(shè)把5000封已由人工確認(rèn)過(guò)的垃圾郵件輸入到模型，模型經(jīng)過(guò)對(duì)標(biāo)題的辨認(rèn)、郵件內(nèi)容語(yǔ)句的分割、關(guān)鍵詞的辨認(rèn)等各種剖析辦法，找到其間的內(nèi)涵聯(lián)系。如標(biāo)題中有“福利”二字的，有90%的可能性是垃圾郵件；一次性發(fā)送超越200封的，有60%的可能性是垃圾郵件；回復(fù)率低于10%的，有70%的可能性是垃圾郵件……所以，當(dāng)模型處理一封新郵件時(shí)，經(jīng)過(guò)檢測(cè)以上各子項(xiàng)，并對(duì)每一子項(xiàng)乘以百分比后相加，就能得出垃圾郵件的可能性。但有監(jiān)督學(xué)習(xí)的弊端是，每個(gè)模型都需求很多練習(xí)數(shù)據(jù)以及較長(zhǎng)的練習(xí)時(shí)刻。
“可能你的模型還沒(méi)有練習(xí)好，詐騙分子現(xiàn)已完結(jié)詐騙活動(dòng)并尋覓下個(gè)目標(biāo)了。”吳中說(shuō)。
無(wú)監(jiān)督機(jī)器學(xué)習(xí)主要方法有聚類和圖形剖析。金端峰說(shuō)，無(wú)監(jiān)督無(wú)需任何練習(xí)數(shù)據(jù)和標(biāo)簽，經(jīng)過(guò)聚類等機(jī)器學(xué)習(xí)算法模型發(fā)現(xiàn)用戶的共性行為，以及用戶和用戶的聯(lián)系來(lái)檢測(cè)詐騙。“經(jīng)過(guò)無(wú)監(jiān)督機(jī)器學(xué)習(xí)剖析用戶的共性行為，能夠發(fā)現(xiàn)偽裝過(guò)的反常用戶，將其一掃而光。”
何為聚類方法？例如一群用戶注冊(cè)事情，可經(jīng)過(guò)聚類發(fā)現(xiàn)幾個(gè)小群契合某些共性：注冊(cè)時(shí)刻集中，都運(yùn)用了某種操作系統(tǒng)，某一個(gè)瀏覽器版別等。該用戶群中的任何一個(gè)單獨(dú)拿出來(lái)剖析，看上去都極為正常，如果契合某種超乎尋常的一致性就十分可疑了。比如一群人在凌晨2—3點(diǎn)采用同一款瀏覽器注冊(cè)了同一產(chǎn)品，其IP的前20位相同，GPS定位小于1公里，注冊(cè)后都修改了昵稱和性別等。
現(xiàn)在的金融詐騙都是團(tuán)伙作戰(zhàn)，面對(duì)“化整為零，批量復(fù)制”的詐騙辦法，金端峰說(shuō)，無(wú)監(jiān)督算法運(yùn)用于反詐騙檢測(cè)還有一個(gè)優(yōu)勢(shì)，那就是能提前預(yù)警。“現(xiàn)在的詐騙分子都有潛伏期，以免太簡(jiǎn)單被發(fā)現(xiàn)。因?yàn)樗麄冊(cè)跐摲诘男袨槿匀黄鹾夏撤N規(guī)律，具有某些一致性，同樣還是會(huì)被無(wú)監(jiān)督算法捕捉到。在進(jìn)犯發(fā)作前就檢測(cè)出詐騙分子，這一點(diǎn)傳統(tǒng)辦法是難以做到的，防患于未然這也是無(wú)監(jiān)督機(jī)器學(xué)習(xí)之所以在反詐騙檢測(cè)中大放光榮的重要原因之一。”
防患于未然及時(shí)預(yù)警
在科技金融活動(dòng)中，無(wú)監(jiān)督機(jī)器學(xué)習(xí)能有用防止詐騙行為的發(fā)作并及時(shí)對(duì)用戶發(fā)出預(yù)警，阻撓開(kāi)戶詐騙、詐騙買賣、賬號(hào)盜取，發(fā)現(xiàn)洗錢進(jìn)犯等，保障正常的金融活動(dòng)。
金端峰舉例說(shuō)，猛犸反詐騙公司依據(jù)非監(jiān)督式的反常檢測(cè)，將數(shù)據(jù)分解為正常趨勢(shì)、隨機(jī)擾動(dòng)和反常情況三部分，并在此基礎(chǔ)上做到設(shè)備、網(wǎng)絡(luò)和用戶三個(gè)層面上的“千人千面”；并依據(jù)用戶間的彼此相關(guān)構(gòu)造網(wǎng)絡(luò)圖，詐騙者往往團(tuán)體作案，行為表現(xiàn)在網(wǎng)絡(luò)圖中出現(xiàn)高度一致性和聚集性，與正常用戶明顯不同，因此運(yùn)用聚類和圖形剖析區(qū)分詐騙行為。“螞蟻金服、京東金融等一些高科技互聯(lián)網(wǎng)公司也經(jīng)過(guò)無(wú)監(jiān)督機(jī)器學(xué)習(xí)等技能辦法，在金融科技方面取得了良好成績(jī)。”
除了有用防止詐騙行為的發(fā)作，無(wú)監(jiān)督機(jī)器學(xué)習(xí)在科技金融領(lǐng)域還能有多種效果。比如經(jīng)過(guò)用戶畫像和大數(shù)據(jù)模型精準(zhǔn)找到用戶，完結(jié)精準(zhǔn)營(yíng)銷；依據(jù)個(gè)人出資者供給的危險(xiǎn)接受水平、收益目標(biāo)以及風(fēng)格偏好等要求，運(yùn)用一系列智能算法及出資組合優(yōu)化等理論模型，為用戶供給最終的出資參考，并依據(jù)商場(chǎng)動(dòng)態(tài)對(duì)財(cái)物裝備調(diào)整供給主張；出資研究需求收集很多材料，進(jìn)行數(shù)據(jù)剖析，報(bào)告撰寫等，經(jīng)過(guò)機(jī)器自主抓取相關(guān)信息，能夠輔助決策，乃至主動(dòng)生成投研報(bào)告；運(yùn)用大數(shù)據(jù)人工智能技能，可運(yùn)用海量的多維度數(shù)據(jù)，塑造出高度精細(xì)化的危險(xiǎn)控制模型；經(jīng)過(guò)學(xué)習(xí)、積累金融法規(guī)，并結(jié)合金融機(jī)構(gòu)的實(shí)際情況供給合規(guī)主張；機(jī)器還能夠從海量的買賣數(shù)據(jù)中學(xué)習(xí)常識(shí)和規(guī)矩，發(fā)現(xiàn)反常行為，對(duì)洗錢行為進(jìn)行警示等。
運(yùn)用廣泛可進(jìn)行出資猜測(cè)
無(wú)監(jiān)督機(jī)器學(xué)習(xí)技能的運(yùn)用正在不斷深入和擴(kuò)展。愛(ài)信諾是上市企業(yè)航天信息股份有限公司的全資子公司，在大數(shù)據(jù)采集、剖析和運(yùn)用方面具有杰出才能，建成了以稅務(wù)和企業(yè)經(jīng)營(yíng)數(shù)據(jù)為核心的企業(yè)信用數(shù)據(jù)庫(kù)。
金端峰說(shuō)，其實(shí)，許多大公司都有大型數(shù)據(jù)庫(kù)，儲(chǔ)存用戶數(shù)據(jù)信息，經(jīng)過(guò)無(wú)監(jiān)督機(jī)器學(xué)習(xí)剖析用戶的整體數(shù)據(jù)，就能發(fā)現(xiàn)用戶金融消費(fèi)習(xí)慣的改變、出資偏好等，主動(dòng)發(fā)現(xiàn)商場(chǎng)分類并針對(duì)不同集體用戶推出不同的金融產(chǎn)品。“這樣，有針對(duì)性的開(kāi)發(fā)新商場(chǎng)，減少了盲目投入。”
此外，依據(jù)客戶國(guó)籍、職業(yè)、薪酬、經(jīng)驗(yàn)、行業(yè)、信用記載等信息，運(yùn)用無(wú)監(jiān)督機(jī)器學(xué)習(xí)技能來(lái)確定客戶的信用危險(xiǎn)評(píng)分，乃至是在向客戶供給任何效勞之前就進(jìn)行此類評(píng)定，加快放貸進(jìn)程，還能避免耗時(shí)而必要的“盡調(diào)”進(jìn)程。
“跟著機(jī)器學(xué)習(xí)的運(yùn)用，股票猜測(cè)變得適當(dāng)簡(jiǎn)單。”金端峰說(shuō)，機(jī)器學(xué)習(xí)算法會(huì)運(yùn)用上市企業(yè)的財(cái)物負(fù)債表、損益表等歷史數(shù)據(jù)，進(jìn)行剖析，并找出聯(lián)系到公司未來(lái)發(fā)展的有意義的跡象，進(jìn)行出資猜測(cè)。
