您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
金融科技 正文
发私信给余菲
发送

0

专访360金融郑彦:欺诈亏损率0.2%背后的故事

本文作者:余菲 2019-02-21 22:42
导语:“在反欺诈行业,360金融至少排在TOP3以内”

专访360金融郑彦:欺诈亏损率0.2%背后的故事

“0.2%的欺诈亏损率,比银行整体0.4%还要低”,360金融副总裁郑彦对雷锋网AI金融评论说道。

360金融招股书显示,截至2018年9月30日,360金融促成贷款的M3+逾期率为0.6%,其中由于欺诈造成的亏损率为0.2%。

据了解,360金融2016年9月才正式开展信贷业务,仅用2年多的时间达到0.2%的欺诈亏损率,可以说实属不易。

一方面,黑产规模庞大,人员众多。公开资料显示,截止到2018年6月,中国网络黑产从业人员已超150万人,据估计造成的损失规模高达千亿元级别。

另一方面,黑产的反侦查能力更强。随着科技的飞速发展,金融领域的网络欺诈攻击呈现出“迅速且实时化、隐蔽性更强、成熟产业化”三大趋势,成为反欺诈三大难点。

在这样的形势下, 360金融在反欺诈方面能达到如此成绩,雷锋网AI金融评论认为,既有先天原因也有后天原因。

含着金汤匙出生

事实上,在成熟的网络黑产面前,360金融并非一个单打独斗的弱小新生儿。其母公司360集团凭借在互联网安全领域多年的深耕,为360金融提供了用户、数据、技术和人才的支持。

雷锋网AI金融评论了解到,其中前三点正是衡量金融公司反欺诈能力的关键指标,也是360金融最核心的竞争优势。“同时具备用户、数据、技术三大优势的金融科技公司在反欺诈业内屈指可数,360金融至少排在TOP3以内”,郑彦表示。

首先在用户和数据方面,通过360集团十亿多的设备和五亿多的月活客户数据,360金融可以做深度的数据挖掘,目前已积累了千万级别的黑名单和数亿的白名单库。

在郑彦看来,黑产名单作为第一道防范,量级非常重要:一是可以在最初就直接拒绝掉大部分风险客户,二是也为后续网络关系分析提供了基础。

“如果你只有一个几十万或者几百万的黑产名单,其实作用并不大。只有当你积累了足够多的黑名单时,才能有效提高风险识别率,并且少交很多学费。”

除了直接可用的黑白名单之外,360集团还为360金融提供了很多支持型数据,如百万级别的催收电话库和数十万级别的赌博网站名单,使反欺诈数据更加丰富全面。

其次在技术支持方面,360最早以杀病毒、防木马和反欺诈起家,反欺诈技术可以说是深刻在360金融基因里的东西。

“我们平日里与集团的互动主要体现在,集团在各个垂直领域里做攻防演练的时候,会把这些信息同步给我们,让我们能够提前知道并防范掉这些风险。”郑彦介绍到。

此外,“我们还会与集团做一些联合建模,因为集团有非常多的人工智能算法专家,他们在这方面的能力非常强。”

后天三大技术突破

除了集团带来的先天优势,郑彦认为,360金融自身也在不断努力着,比如技术方面短短两年多时间就实现了三次重大突破。

一是工具层面,引入了复杂关系网络分析。

把关系网络分析提到最优先级,对郑彦来说是印象最深的一个技术突破。

郑彦回忆到,2016年11月,距360金融正式开展信贷业务不到两个月,反欺诈团队就经历了一次高强度的团体欺诈攻击。短短一天时间内,诈骗人数占到了整个渠道客户的90%以上,并且这些人在地理位置和设备使用上都没有很明显的异常分布,意味着传统的流量管控方式在当时已经失效。

面对这种情况,郑彦带领团队通过线下分析方式,发现这个群体直接或者间接关联到了某一个人,然后团队以此人为中心,往外拓展两层关系去分析,发现他是一个网络贷款黑中介,以此为切入点最终成功实施了反欺诈,保护了资金安全。

“此前我们是线下做数据分析,但这件事发生后,我们就把关系网络开发提到了最优先级。现在我们已经能做到实时计算关系网络,目前我们的关系网络大概有11多亿个关系节点和140多亿的关系边”。

同时郑彦补充,也得益于千万级别的黑名单和白名单,为复杂关系网络分析提供了必要的基础,两者相结合再整体跑下来,360金融的欺诈亏损率就到达了非常低的比率。

二是算法层面,引入了无监督机器学习。

近一两年来无监督机器学习技术越来越受到业界重视。据了解,相比此前常用的有监督机器学习,无监督机器学习的突出优势在于:可以找到互联网线上欺诈大规模复制行为背后的相关性,然后进行聚类,能非常有效应对互联网团伙欺诈。

“简单来说,有监督机器学习帮我们找已知风险,无监督机器学习帮我们找未知风险。”在郑彦看来,欺诈与反欺诈犹如一场持续的攻防战,在如今互联网和新技术场景下,线上欺诈手段形式多变且速度很快,这种情况下无监督机器学习具有非常独特的优势。

三是系统层面,实现了全自动化建模。

在自动建模系统下,从建表、跑模型、到检验、再到部署都实现了自动化,这样做的好处有三:

首先,360金融反欺诈模型目前有近200个,且更迭速度很快,全自动化建模在减少模型师人力成本的同时,也有效减少了人为操作带来的风险。

其次,全自动化建模保证了对高风险行为的实时拦截。郑彦表示,360金融的复杂关系网络分析目前已能做到3秒钟之内更新全量数据,同时还能透过数据表象挖掘到更深层次的关系,辨识出一些隐蔽性很强的欺诈团伙。

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个版本的迭代”,郑彦说。

反欺诈能力带来的良性循环

作为连接BC两端的金融科技平台,郑彦认为反欺诈能力给360金融整体业务带来了三方面的促进:

首先是技术层面的促进。清晰化了对欺诈风险和信用风险的区分,直接提升了模型的精确度,进而推动了客户判断的准确性。

其次是对C端客户方面的促进。有了更好的风险区分,就能使客户定额更加精准,从而更好服务C端客户。

第三是对B端客户方面的促进。当能够更精准服务客户时,平台的风险表现也会更好,反过来就会吸引更多的金融机构过来合作,帮助平台链接更多优质的B端资源,反过来又会推动平台业务的精细化。

“可以说反欺诈是一个基础的能力,这个基础能力能够带来良性循环,让我们把连接B端和C端这件事做得更好。”

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

编辑

跟踪金融科技业界(微信:xf123a,请注明身份、姓名、来意,thx)
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说