慧安金科黄铃：主动式机器学习技术解决金融行业痛点

由北京金融科技产业联盟、移动支付网联合主办的“2021第四届中国金融科技发展大会”在重庆举行。会上慧安金科创始人/CEO黄铃以《人工智能在金融反欺诈反洗钱中的创新应用》为题进行了分享。

黄铃认为，在风控领域中，传统的技术手段已经很难和新型复杂多变的欺诈活动进行对抗，因此需要人工智能、时序分析、图计算等前沿技术进行风险监测，提升机构自主风险控制能力。

黄铃表示，在反洗钱、企业风控、交易反欺诈等领域，存在着道高一尺魔高一丈的对抗，欺诈分子行为狡猾多变，不断使用新手段规避模型检测，各种欺诈活动潜伏性和突发性越来越强。

传统的有监督机器学习依赖历史标签样本，不能自动学习未知攻击模式，模型有明显滞后性，难以识别处于潜伏状态欺诈团伙，且历史标签稀缺，标签获取成本极高。 

针对目前的行业痛点，慧安金科提出独有的半监督机器学习技术，在建模过程中不依赖历史标签，不触碰敏感数据，着眼于行为和关联异常检测，不依赖于特定手段。利用专家经验和反馈不断发现和学习未知模式，可以自适应于不断变化的环境。通过分析关联关系、挖掘团伙风险、检测潜伏威胁，完全实现事前预警。

黄铃着重介绍了图挖掘技术，通过该技术可以通过关联的异常，在风险行为还没有出现，特别是洗钱欺诈的交易行为没有发生之前就能够检测出预测性的信号，从而提前进行防范。 

他以洗钱网络团伙识别引擎举例，在洗钱团伙进行洗钱作业时，必然会进行大量交易，通过洗钱网络团伙识别引擎可以将把各种杂乱无章的账户操作提取成复杂的事件序列，然后做大规模的图关联分析。

比如说个人、公司存在各种交易行为，可以连接在一起，账户的多种集中操纵的关系可以连接一起，在此基础上有多种多样图的分析，比如分析交易类型分布、交易对手之间不同寻常交易的关联。 

从图的结构，图的分布上去挖掘图里面不同寻常的子图，从而能够检测出多个账户之间有异于正常人的行为，最终把高风险的人群检测出来。

目前半监督图挖掘技术洗钱网络识别已经落地多个银行，不断发现大量洗钱团伙网络，上报准确率远远高于传统的规则系统，并能增补众多规则系统所不能发现的潜伏、隐蔽的洗钱账户。 

黄铃表示，半监督图挖掘技术的应用可以在洗钱行为认定上提交更多的证据，它可以动态可视化洗钱网络图，刻画团伙成员洗钱模式并呈现可疑交易明细，因此比单个洗钱个体在洗钱行为认定上更具说服力。同时洗钱网络调查工具可以在相同的时间审核团伙多个成员，从而大幅提高人工审核效率。 

该技术从金融机构的核心风控和合规痛点切入，聚焦反洗钱、企业风控、交易反欺诈、智能营销四大业务场景。此外，该技术满足跨行业多场景的需求，横向实现跨行业拓展，纵向实现多场景应用。 

黄铃表示，慧安金科未来将继续应用自身的核心技术，实现人工智能的持续提升，帮助金融机构在道高一尺魔高一丈的对抗中立于不败之地。