近日， KDD x TAIC 2018大會在英國倫敦舉行。騰訊云金融風控業(yè)務研發(fā)負責人李超博士受邀出席大會，并在會上發(fā)表了題為《Cloud Security,Underground Industry,and AI in Anti-Fraud》(云安全、網(wǎng)絡黑產和 AI 在反欺詐中的應用)的演講。他指出，在云安全面臨巨大挑戰(zhàn)的背景下，針對金融行業(yè)的網(wǎng)絡黑產愈演愈烈。防御一方的反欺詐技術也不斷升級，深度學習在風控技術上的應用將使金融行業(yè)的反詐騙系統(tǒng)具備更高識別率和精準度。
KDD 國際數(shù)據(jù)挖掘大會是目前全球數(shù)據(jù)挖掘領域的最高學術會議，會上所分享議題的學科交叉性強、應用廣泛，與會的頂尖專家、學者、工程師等來自統(tǒng)計、機器學習、生物信息學、自然語言處理、高性能計算等眾多領域。
李超在 KDD x TAIC 2018大會上發(fā)表演講
金融圈風起云涌 網(wǎng)絡黑產的精細化趨勢威脅企業(yè)安全
近年來中國金融市場發(fā)展迅猛。尤其是在互聯(lián)網(wǎng)時代，金融行業(yè)呈現(xiàn)出與不同場景深度結合的顯著趨勢。在巨大利益驅動下，網(wǎng)絡黑產也快速入侵金融行業(yè)的支付、消費等各個環(huán)節(jié)，給企業(yè)和用戶帶來巨大風險。
不僅如此，黑產的精細分工和成熟壯大幾乎也讓每個企業(yè)都無法獨善其身。從數(shù)據(jù)竊取，包裝，轉賣，到利用泄漏數(shù)據(jù)進行詐騙，每一環(huán)節(jié)都存在非常有針對性的犯罪手段。而平臺的風控系統(tǒng)一旦出現(xiàn)漏洞就會導致黑產蜂擁而至并造成無法承受的損失。李超對此表示，風險控制是決定金融行業(yè)業(yè)務生死存亡的關鍵。
騰訊云天御反欺詐系統(tǒng)不斷升級 深度學習探索前沿風控技術
目前金融行業(yè)風控的反欺詐系統(tǒng)多使用評分卡模型和集成模型兩種風控技術。評分卡模型使用邏輯回歸算法對數(shù)據(jù)進行訓練，線上實時響應時間快，但需要進行大量且復雜的特征工程工作才能得到較理想結果。而集成模型運用迭代算法，通過對模型殘差的不斷修正進而達到更精準的預測，通常比評分卡模型具備更高的準確度。
李超在演講中表示，深度學習與其說是一種新的算法，更像是一種技術架構，能夠將很多傳統(tǒng)機器學習的方法有機結合在統(tǒng)一的體系中，在增添模塊時無需頻繁適配新的算法庫。這種靈活架構可以根據(jù)具體場景的需要不斷增加新的算法模塊，更準確地學習大量多維度數(shù)據(jù)之間的復雜關系。在金融行業(yè)風險控制場景下的應用能夠提高黑產識別率，使企業(yè)平臺具備更有效的防御能力。
在演講中，李超以混合神經網(wǎng)絡為例講解了深度學習的框架和運行機制，即如何對數(shù)據(jù)進行逐層處理從而做出風險預測。具體來說，混合神經網(wǎng)絡將對數(shù)據(jù)的密集特征進行歸一化處理，對數(shù)據(jù)的類別特征進行嵌入和交叉融合，并對編號特征和時間序列數(shù)據(jù)進行廣義 Word2vec 編碼和多層 RNN 模型疊加處理。經過數(shù)據(jù)降維、特征交叉、特征抽取的逐層處理后，對數(shù)據(jù)進行 concat 函數(shù)運算形成深度神經網(wǎng)絡(Deep Neutral Network)從而做出風險預測。
混合神經網(wǎng)絡(Hybrid Neural Network)模型
騰訊云將騰訊大數(shù)據(jù)的龐大數(shù)據(jù)庫通過 AI 深度學習的方式應用到金融反欺詐領域，推出了天御反欺詐系統(tǒng)，通過反欺詐、消息過濾、驗證碼、活動防刷等能力開放，為金融行業(yè)(銀行、證券、保險等)提供欺詐識別、金融級身份認證、防止惡意營銷、預防“羊毛黨”等服務。天御反欺詐系統(tǒng)不僅能夠實現(xiàn)超90%的識別率，還能對欺詐行為做全方面的精細刻畫。
此外李超在演講中透露，騰訊云還將在圖結構數(shù)據(jù)和混合神經網(wǎng)絡研究方面持續(xù)發(fā)力，不斷增強模型的遷移學習和半監(jiān)督學習能力，結合騰訊生態(tài)的海量數(shù)據(jù)優(yōu)勢和二十年的黑產對抗經驗，幫助金融行業(yè)不斷進化風控能力。
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
