| 2019-08-09 来源：第一财经网 编辑：z0011 |
伴随着新金融的浪潮，大数据、云计算、区块链、人工智能、移动互联等新一代信息技术的发展和应用也层出不穷，创新科技在不断提升金融服务效率，降低整体成本的同时，也在推动构建全新的新金融生态。人工智能方兴未艾，正在渗透和影响着整个金融生态，也给金融业带来无限的可能性。
作为国内专业的智能风控与科技服务提供商，火眼科技将人工智能与金融风控深度结合，为金融机构提供覆盖贷前、贷中、贷后全流程的风险管理服务，帮助其进一步提升风控效果，实现全方位的策略风险管理。以下，就是人工智能技术在反欺诈及授信决策两方面的运用。
在泛互联网的环境里，金融风控面临的传统个体欺诈已迅速演变为有组织、有规模的群体欺诈和关联风险。而传统反欺诈还停留在识别一度风险等这种简单规则方式阶段，对于二度、三度乃至更广范围的网络全局风险苦无良策。
火眼科技利用人工智能中最重要的技术——深度学习，通过对数据的采集、分析、深度挖掘等，构建起人工智能反欺诈模型。通过建立多维度的关系网络，进行可视化关联分析和追踪，从而发现欺诈者隐藏的蛛丝马迹，分析其数据的矛盾点和可疑点，识别欺诈者身份。加上与传统经验规则配合使用，大幅提升金融机构欺诈风险的防控能力。
l 贷中授信：火眼让决策更精准
在申请评分环节，传统金融风控往往是基于评分卡体系对强征信数据如银行借贷记录等进行建模，而在新金融的浪潮下，客群进一步“下沉”，覆盖更多收入群体，新增群体的强征信数据往往大量缺失，金融机构不得不依赖于更多弱金融数据， 辟如消费数据、运营商数据、互联网行为数据等。
这类底层数据的改变，对传统信用评分卡造成了巨大的困难，具体体现在：
1、诸如互联网行为、运营商数据很多都是非结构化数据，数据繁杂，建模前的特征工程很难用传统人工的方式完成加工。
2、由于数据的类型和范围大幅扩大，新模型面对的往往是加工出来的上千维弱变量特征，评分卡体系根本无法融合吸收这些特征。
3、线上新金融业务风险环境频繁演化，传统人工迭代模型无法适应风险变化速度，迭代优化太慢。
而人工智能中的机器学习能够有效解决上述问题。面对数据繁杂的问题，火眼科技将基于深度学习的特征生成框架，成熟运用于大型风控场景中，对时序、文本、影像等互联网行为、运营商非结构化数据实现深层特征加工提取，显著提升了模型效果。
针对数据驾驭难的挑战，火眼科技对不同类型的数据，采用不同的机器学习模型进行处理，用复杂集成模型轻车熟路地处理上千维度的弱变量，并将之与违约风险精准挂钩，让授信决策变得更加准确。
此外，解决模型迭代慢也是机器学习最擅长的事情。由于互联网公司每天都会有海量用户数据产生，因此需要对搜索、推荐模型持续频繁地进行优化，而传统的人工迭代几乎无法解决这一问题，但通过机器学习模型，就能很好地完成在线快速自迭代。
作为互联网大数据智能风控的引领者，火眼希望通过持续创新产品与技术，不断提升服务可靠性，将人工智能技术深度应用到互联网风险控制和反欺诈领域，努力成为值得客户信赖的第三方智能风控服务提供商。
官网地址 www.1hykj.com |
|
|
|
