根据国家统计局4月17日发布的一季度国民经济数据显示,新冠肺炎疫情对我国经济运行造成了较大的影响,包括GDP、就业、消费等各项主要经济指标均呈现不同程度下滑。在大环境的影响下,金融业亦受到不小冲击,贷款逾期和违约情况增多,不良贷款有所增加。

金融科技行业如何在整体经济下行的背景下,通过运用科技手段将风险降至最低,是企业健康发展的关键一环。360金融在近日发布的2020年一季度业绩报告中显示,其与上海交通大学共建的360金融人工智能联合实验室在疫情期间迅速调整风控模型策略,将自主研发的新模型精确度提升7个百分点以上,使得整体贷后管理效率得到进一步提升。

在金融借贷中,筛查诈骗风险是考验一家公司风控水准的试金石。针对团体诈骗,如何从海量用户中找出这些组织,从本质上就是从复杂网络中找出有欺诈嫌疑的子网络(社区)。360金融人工智能联合实验室团队借助图网络中的社区检测算法识别这样的诈骗团伙。用户通过关联关系构成一个复杂网络,社区是复杂网络中的一个子网络,同一个社区内的节点之间的连接紧密,而社区与社区之间的连接则比较稀疏。在金融场景中,欺诈团伙往往表现为关联异常紧密的社区,因此找到关系紧密的社区是发现欺诈团伙的关键。

疫情期间360金融风控团队研发了什么秘密武器打击欺诈事件?-科记汇

在实际应用中,企业得到的用户关系网络规模非常大且噪声较多,且在分析网络的局部关系时,并不需要分析整个网络的关系,否则当数据集非常巨大时,分析效率较低。因此相较于全局的社区检测算法而言,局部社区检测算法针对规模巨大、动态变化的在线社交网络,在计算代价、挖掘局部社区特性等方面存在更多优势。

针对图网络的局部聚类问题,360金融提出了一种基于密度敏感的随机游走算法,成功将图的密度信息添加到已有的算法之中,从根本上提升了算法的性能上界。同时,通过一系列带有风险标签的用户节点,利用该算法检测出和这些高风险用户相似度较高的潜在风险用户,从而更好地规避团队诈骗的情况。

相较于经典算法,360金融最新算法的F1评分提升超过10个百分点;相较于已有的最优算法,大多数场景之中算法提升1-3个百分点,同时更具有稳定性。

伴随着大数据、人工智能等数字化技术在金融科技领域的广泛应用,金融欺诈方式利用新技术不断演变,反欺诈难度不断升级。自2019年10月360金融宣布与上海交通大学计算机科学与工程系成立360金融人工智能联合实验室以来,双方聚焦智能语音、智能风控、机器学习、云计算、数据库等AI技术在消费金融领域的应用与实践,在包括反欺诈等领域中有丰厚的成果产出。企业不断推陈出新全方位风控手段,运用反欺诈技术手段打击数字金融诈骗,是维护社会经济稳定发展的必然之道。

-----------------------------

(市场有风险,投资交易需谨慎。本文信息仅供参考,据此投资交易风险自担。)