面临的欺诈风险也是前所未有的

原标题：你担心的金融安全 无监督机器学习技术能够搞定

　　“无科技，别金融”。随着挪移互联网时代的到来，科技金融模仕祷断创新，然而欺诈手法也在别断翻新，呈现出专业化、产业化、隐蔽化等特点。日前，世界科技开辟者盛会DeveloperWeek 2019评选VR、人工智能、金融科技等领域优胜者，AI公司DataVisor维择科技凭借无监督机器学习技术获得最具投资价值的科技金融企业奖。

　　无监督机器学习技术是啥，为何会被以为最具投资价值？它能在科技金融活动中起到啥作用？能解决哪些金融交易中的咨询题？

　　科技金融反欺诈创新利器

　　与传统金融别同，互联网金融业务大多发生在线上，往往几秒钟就完成审核、申请、放款等，面临的欺诈风险也是前所未有的。据统计，我国网络犯罪导致的损失占GDP0.63%，一年损失金额高达4000多亿人民币。国际上的事情也别乐观，多份市场研究报告指出，仅2016年一年，全球信用卡、借记卡、预付卡和私有品牌支付卡损失就高达163.1亿美元；每年保险欺诈(别包括健康险)损失总额估计超过400亿美元。

　　“随着技术别断演进，针对金融业的袭击、欺诈手段已别同以往。团伙作案、分工明确、掌握各种先进技术工具、别断变化袭击手段，全新挑战使得金融企业越来越难以招架。”DataVisor中国区总经理吴中讲，金融反欺诈期待创新已成业内共识。

　　“无监督机器学习是近年才进展起来的反欺诈手法。目前国内反欺诈金融服务要紧是应用黑白名单、有监督学习和无监督机器学习的想法来实现。”爱信诺征信有限公司总经理金端峰在答应科技日报记者专访时讲。

　　黑白名单被以为是最原始的反欺诈方式，类似于“筛选器”。如银行征信系统就可理解成一具黑白名单，信用卡多次逾期还款就大概被列入信贷“黑名单”；在淘宝上购买了退货险后屡屡退货，就大概上骗保“黑名单”。黑白名单是所有反欺诈想法中最简单的，但也是更新最慢、成本最高的。

　　能将异常用户一网打尽

　　有监督学习需要大量油彡签数据来训练模型，以此来预测还未被标注的数据。以垃圾邮件为例，如果把5000封已由人工确认过的垃圾邮件输入到模型，模型经过对标题的识不、邮件内容句子的分割、关键词的识不等各种分析想法，找到其中的内在关系。如标题中有“福利”二字的，有90%的大概性是垃圾邮件；一次性发送超过200封的，有60%的大概性是垃圾邮件；回复率低于10%的，有70%的大概性是垃圾邮件……因此，当模型处理一封新邮件时，经过检测以上各子项，并对每一子项乘以百分比后相加，就能得出垃圾邮件的大概性。但有监督学习的弊端是，每个模型都需要大量训僚铸据以及较长的训僚直刻。

　　“大概你的模型还没有训练好，欺诈分子基本完成欺诈活动并寻觅下个目标了。”吴中讲。

　　无监督机器学习要紧方式有聚类和图形分析。金端峰讲，无监督无需任何训僚铸据和标签，经过聚类等机器学习算法模型发觉用户的共性行为，以及用户和用户的关系来检测欺诈。“经过无监督机器学习分析用户的共性行为，能够发觉伪装过的异常用户，将其一网打尽。”

　　何为聚类方式？例如一群用户注册事件，可经过聚类发觉几个小群符合某些共性：注册时刻集中，都使用了某种操作系统，某一具扫瞄器版本等。该用户群中的任何一具单独拿出来分析，看上去都极为正常，假如符合某种超乎平常的一致性就十分可疑了。比如一群人在早晨2—3点采纳同一款扫瞄器注册了同一产品，其IP的前20位相同，GPS定位小于1公里，注册后都修改了昵称和性不等。

　　如今的金融欺诈基本上团伙作战，面对“化整为零，批量复制”的欺诈手法，金端峰讲，无监督算法应用于反欺诈检测还有一具优势，那算是能提早预警。“如今的欺诈分子都有埋伏期，以免太容易被发觉。由于他们在埋伏期的行为还是符合某种规律，具有某些一致性，同样依旧会被无监督算法捕茁浣。在袭击发生前就检测出欺诈分子，这一点传统想法是难以做德淠，防患于未然这也是无监督机器学习之于是在反欺诈检测中大放光彩的重要缘由之一。”

　　防患于未然及时预警

　　在科技金融活动中，无监督机器学习能有效防止欺诈行为的发生并及时对用户发出预警，阻挠开户欺诈、欺诈交易、账号盗取，发觉洗钞票袭击等，保障正常的金融活动。

　　金端峰举例讲，眯憋反欺诈公司基于非监督事淠异常检测，将数据分解为正常趋势、随机扰动和异常事情三部分，并在此基础上做到设备、网络和用户三个层面上的“千人千面”；并依照用户间的相互关联构造网络图，欺诈者往往团体作案，行为表如今网络图中呈现高度一致性和聚拢性，与正常用户明显别同，所以利用聚类和图形分析辨不欺诈行为。“蚂蚁金服、京东金融等一些高科技互联网公司也经过无监督机器学习等技术手段，在金融科技方面取得了良好成绩。”

　　除了有效防止欺诈行为的发生，无监督机器学习在科技金融领域还能有多种作用。比如经过用户画像和大数据模型精准找到用户，实现精准营销；依照个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，为用户提供最后来的投资参考，并根据市场动态对资产配置调整提供建议；投资研究需要收集大量资料，举行数据分析，报告撰写等，经过机器自主抓取相关信息，能够辅助决策，甚至自动生成投淹屺告；利用大数据人工智能技术，可使用海量的多维度数据，塑造出高度精细化的风险操纵模型；经过学习、积存金融法规，并结合金融机构的实际事情提供合规建议；机器还能够从海量的交易数据中学习知识和规则，发觉异常行为，对洗钞票行为举行警示等。

　　应用广泛可举行投资预测

　　无监督机器学习技术的应用正在别断深入和扩展。爱信诺是上市企业航天信息股份有限公司的全资子公司，在大数据采集、分析和应用方面具有突出能力，建成了以税务和企业经营数据为核心的企业信用数据库。

　　金端峰讲，事实上，很多大公司都有大型数据库，储存用户数据信息，经过无监督机器学习分析用户的整体数据，就能发觉用户金融消费习惯的变化、投资偏好等，自动发觉市场分类并针对别同群体用户推出别同的金融产品。“如此，有针对性的开辟新市场，减少了盲目投入。”

　　此外，依照客户国籍、职业、薪酬、经验、行业、信用记录等信息，利用无监督机器学习技术来确定客户的信用风险评分，甚至是在向客户提供任何服务之前就举行此类评定，加快放贷过程，还能幸免耗时而必要的“尽调”过程。

　　“随着机器学习的使用，股票预测变得相当简单。”金端峰讲，机器学习算法会利用上市企业的资产负债表、损益表等历逝铸据，举行分析，并找出关系到公司今后进展的故意义的迹象，举行投资预测。（记者 李 禾）