同盾科技顾威：线上化信贷已成大趋势，AI推进风控智能化变迁

2017年09月14日，“服务实体经济——2017中国金融科技未来领袖峰会”在北京双井富力万丽酒店举办，由产业创新服务平台“亿欧”主办，创新型金融科技公司“浅橙科技”联合主办。

峰会现场，亿欧联创王彬、宜信高级副总裁兼CSO陈欢、希望金融CEO陈兴垚、浅橙科技创始人CEO朱永敏、泰康在线首席市场官方远近、易鑫集团COO姜东、钱包生活CEO定胜斌、峰瑞资本创始合伙人李丰等数十位业内人士发表了主题演讲。

同盾科技副总裁顾威的演讲主题为“智能风控在新金融的应用和实践”。

顾威认为，新的智能风控，随着线上的发展趋势，其实更多地要有很好地模型，更多的特征量融合进去，然后需要的是更快速的、更自动化的一个管理过程。

【顾威现场演讲实录（有删改）】

金融科技促进实体经济发展，我们同盾科技是做什么的？我们实际上是给金融公司提供科技服务，我们是科技型公司。

新金融有一个趋势，过去这几年来走线上是一个大趋势，例如从如火如荼的P2P、理财、放款到消费金融。但是线上有一个问题， 大家对这些人的资质，还有信息的了解不清楚。很多时候你见不到申请人，你看到的只是线上来的请求，但你不知道这个请求后面到底是谁。从P2P到消费金融到现在比较火爆的现金贷，很多业务都是走线上的，包括信用卡，也是大量的走线上网上申请的过程。

有了线上趋势，就对传统的风控提出了很多新的挑战。你见不到这个人，怎么去衡量它的风险程度？是不是有设备的信息，是不是有更主要更全面的信息，行为信息、逾期信息，是不是诈骗分子等。

很大程度上美国的信用征信体系完善，对申请人的信用有比较好的覆盖， 在美国比较受关注的是还款能力，所以说他到底能还多少钱，利率给他定多高，他到底什么时候能还得上，如果还不上可能会走个人破产过程，罚他7年，有这么一个机制。而中国用户的还款的能力可能问题不大，那我们担心什么呢？担心的是还款意愿，害怕申请人故意来骗贷的，有个人的行为也有团伙的行为。这些因为恶意欺诈带来的损失实际上就是最严重的问题，如果控制不了，业务就没法持续发展下去。

 这有一个例子，刚才谈到美国的征信体制比较完善，包括几大征信局的征信数据，上报机制比较完善，基本每个人给他一个社会安全号可能都会有征信记录，也有相关的征信评分，相对的比较完善。即使这样，美国的ZestFinance也在探索和使用大数据在金融征信中的应用。从大数据到反欺诈，用到信用风控，一开始大家持怀疑的态度，认为只是停留在概念层面， 到近几年已经为大家认同并广泛应用起来。同盾科技也是按照这个框架走势发展起来。

从传统风控和智能风控对比来讲，传统风控更多的是银行让咱们每个申请人提供个人的信息，再辅助于央行的征信信息或者是行内的其他的信息，然后再核实，不断地去做人工审核的工作。比较繁琐，效率低。

新的智能风控，随着线上的发展趋势，要有很好的模型、更多的特征量融合进去，需要更快速的、自动化的管理过程。而且银行传统层面以前是孤立的，征信记录相当于是央行层面上有一个统一的信息汇总，但是仍然有很多的白户。对于白户来讲实际上就是信息孤岛，没有一个机制把它串起来。

而同盾的服务，就是用联防联控的机制打破信息的孤岛，更多地把数据共享起来，有效地防止骗子或者是欺诈团伙，欺诈分子从这一家金融机构骗到钱之后，又会转战到其他家的金融机构，因为这一套手续和成本可以重复的使用，如果不用联防联控的手段是无法有效的进行阻止。

所以智能风控需要什么？更多维度有效果的数据，更好的工具，能够把数据、策略、模型很快地进行部署，有一个迭代的过程。然后实行全生命周期管理。

刚才谈到从审批的贷前阶段通过反欺诈的防控有效的控制欺诈损失， 再进行信用的评估进行授信放款，放款之后后续还有跟踪的服务，比如说贷后的追踪、预警，包括如果发生逾期怎么去更好地帮助催收，从而完善全生命周期的风控支持。

有了刚才说的一个大的趋势和新挑战，咱们谈知己知彼，就是要对对方有比较深入的了解，如果没有数据的情况下，尽量去拿一些数据，但是没有人能够把数据拿全了，所以尽量去了解更多的数据。那就涉及到怎么去拿到好的有效果的数据，然后再做量化工具，去生成特征量，建立有预测能力的模型，从而准确地通过数学概率的模式更好地去标识出你所要的人群。

讲到知己知彼，一定要提到黑产团伙，黑产团伙现在的手段是非常先进的，超出了我们普通人的想象。比如说举个例子，大家现在都在使用手机APP， 很多都是用短信码进行验证，现在从上到下有一个产业链，它可以帮助去做注册、登录，只有验证码这一环节现在没法实现自动化输入验证码，所以产生很多的人工打码平台，专门在东南亚比较小的国家有人工在那儿帮他通过打码平台，就是手工输进去验证码，而打一个验证吗成本可能在几分钱，这是一个很大的产业链。

他们为什么要这样做？实际上就是通过这样一个黑产的手段，他可以注册很多的账户，可以实现登录，可以拿到相关账户的很多信息，从中进行渔利。

这是相当于是在第三世界国家，有大量的人在做这个事情。也是一个很大的产业。相当于刚才谈到的，这些手段、这些作弊、欺诈的成本投入了之后，欺诈分子希望利益最大化，所以他做出很多套的身份出来，比如说手机号、银行卡、身份证号什么之类的做成一套。做成一套身份之后，欺诈分子会在这些平台中挨个去从中渔利，有的是可以从中把营销的奖励骗出来，有的是去贷款，贷完之后就找不到借款人，实际上他是伪冒别人的身份去贷的款。整体看也是流窜作案的趋势，所以也只有整体防控才会有有更好的防控效果。

刚才也谈到了，欺诈的趋势呈多元化，欺诈分子在整个链条的环节里都可能去尝试欺诈攻击，其中包括注册登录，交易支付等环节。比如说登录可以做撞库，就是拿已经泄露的信息、用户名，去尝试登录另外一个APP。因为很多人可能用的都是同一套用户名和密码，我相信大家听说过曾经雅虎网站上部分用户名和密码被泄露的事件。前两天美国第二大的征信公司Equifax也发生了信息泄露，这些信息会被有很多的欺诈团伙进行交易，专门有这个产业，甚至有明确的分工，有人偷信息，有人去卖，有人去买，买到的人可以去拿信息撞某一个网站，某一个钱包，某一个支付公司，欺诈分子成功登录帐户后，就可以掌握里面信息，甚至包括银行卡信息，后果不堪设想。

信贷领域也是这样的，首先需要防控好的就是是欺诈的风险，就是恶意欠钱不还。申请来借款就是为了借钱不还的。欺诈分子很有经验，甚至当被电话核实的时候，有哪些问题，他都准备应答的非常好。所以非常有经验的电话核实员，面临申请人准备的特别好的情况，一定会引起高度的警惕，因为这样的申请人往往是有问题的人。当然也是“魔高一尺道高一丈”不断演化的攻防过程。智能风控首先就是要解决欺诈的风险，控制住欺诈的损失。

下面谈谈信用风险，也就是贷款发放出去以后，借款人欠钱不还的风险有多少。有的人借款意愿是良好的，但是的确发生了生活的困难，收入上、家庭上一时还不上了，还款能力出了问题，可以有些办法去帮助他。 每个人的的信用的程度都不一样，有的人比较好，有的人较差，信用好的人可以给他利率定的低一点，信贷额度大一点，反之差的甚至不借他或者是说把利率提高，可以覆盖风险，这些都可以结合信用风险的可能性去做一些差异化的管理。

同盾公司其实是2013年成立的， 那个时候比较流行叫“大数据风控”、“大数据反欺诈”。这一年以来，我们其实也不想把自己再叫“大数据的风控”和“大数据的反欺诈”，反而把自己定位成叫一个“智能风控”，更多地和结合大数据，引入预测科学的实践，有一些新式的工具和模型能够把整个智能化的一些东西体现出来。

咱们说到了业务本身有走线上的一个趋势，希望能够做得知己知彼，同盾科技结合新的技术和数据能力，把智能风控运用到新金融形态的发展当中去。发展到现在同盾的客户已经有7千多家了，行业包括银行、保险、新金融，咱们说到的所有持牌的消费金融公司、场景化的消费金融公司、汽车金融公司，行业中有很多，真正的发挥了智能风控的良好作用。

这是一个典型的在信贷场景下全流程的过程，从客户申请进来，怎么去做贷前的审核，第一步是做反欺诈的服务。如果是欺诈这一关没过，直接就把它停下来，如果过了再往下走，看一看申请人信用的情况，比如说信用评分，是不是信用比较良好，通过这些再结合其他的一些信息我们可以去决定放款，放款之后再提供贷后全流程的监控，不断地追踪过程。如果有逾期也有智能催收的一些方案，这个实际上就是从贷前到贷中、贷后全流程的信贷智能风控。

在这过程里边，涉及到了几方面，一方面我们说到反欺诈。反欺诈也涉及到考虑能力的问题，第一是否有足够有效的数据，第二是否有足够强的技术能力。所谓的技术能力，同盾有一个相当于是有设备指纹的技术，现在我们更多的用线上的趋势，针对移动设备，手机、iPad、电脑都可以给它生成一个身份号吗，相当于我们每一个人都有一个身份证号，每一个设备也有一个设备唯一的号吗，这个设备的唯一号是通过什么生成的？

其实是一系列的软件和硬件的一些参数生成的。我们是有一个很好的算法，保证它的唯一性，保证它不冲突，保证它能够兼容，不被欺诈分子去攻破。同时，通过这些时间的积累，我们相当于有了将近几十亿的设备信息，形成一个规模的效应，这就是我们整个设备指纹上的技术能力，通过这些设备其实就可以把很多申请进件关联起来，把很多事件关联起来。

比如说同一个设备，它可能用来绑定了多张被盗的银行卡。每一笔支付交易的时候，我们能够知道这个是一个新的银行卡， 它绑定的是某一个手机，下次交易的时候还是这一个手机，还是这一个设备，但是用的的另外一张银行卡，其实这已经开始了预警， 如果不久又发生了使用新银行卡进行交易的时候， 极大的可能就需要进行干预阻断。设备指纹在智能风控的应用还有很多。所以现在随着线上的发展趋势，设备的信息发挥了越来越重要的作用，这只是我们用到的技术之一，其他还包括虚拟机的侦测能力、地址数据的分析，以及IP地址的检测画像等技术。

刚才谈到的是技术能力的方面，另一个重要的方面则是是否有足够的数据能力来去支撑整个智能风控？同盾科技通过过去几年的运维，累积拥有大量的高风险、低风险、中风险的关注名单，所谓的高风险关注名单，是指申请人提交的身份证号和手机号，对应有已经发生的不良记录。比如说有欠款逾期失联的，这种严重失信的行为就需要被高度重视，我们根据风险高低的程度，分别建立这样一个风险的名单，这些大量的名单可以帮助我们的金融机构直接屏蔽或者是阻断高风险的人群的贷款申请。

另外，有大量的信贷表现数据。因为很多客户他们也有数据融合、数据建模的工作，建模型就需要有更多的表现数据，包括逾期有没有表现和信用恶化类似于失联的信息融合，从而形成数据的闭环，在整个信贷流程的过程当中，我们就会拥有更全面的信息。

还有比如多头申请、多头负债的数据，这实际上是非常有用的两个指标。所谓的多头申请就是讲一个申请人，他可能在哪些金融贷款平台申请的次数，这个维度是很重要的。有的时候一个手机号对应的多头申请的笔数达到一百多笔，这样的申请人我们建议合作伙伴直接把他屏蔽掉。

还有多头负债的信息，多头负债是指一个申请人整体负债的金额。比如说他在某个借款平台借了10万，在那个平台借了20万，在第三个平台又借了5万，加起来其实是借了35万，这个申请人的负债金额就是35万，但是如果没有把这些信息串起来，申请人又去一个新的平台申请20万贷款，而新的平台没有多头负债的信息通过并发放了新的贷款， 而申请人最后在过渡负债之后，可能实际上就造成了逾期，失信这样的一些行为。

除了刚才说的这些类信息，也有很多包括社交的数据、身份的数据，还有社会的数据，有些很多都是通过技术手段，通过合作方能够把这些数据融合起来，然后再结合我们刚才说到的技术平台把它提供给我们的客户。

这是讲我们怎么去做征信评分，大家可能都知道现在的征信评分很多公司都在做，同盾也有这样的智信分，也是结合各方面的维度去做出这样的分数来体现信用的好坏。这是怎么去跟我们的合作方去做数据融合进行模型开发的过程。

另外，我们需要有很好的工具，能够把我们说到的数据和策略串起来，比如说我审批的决策流程是什么样的，什么样的规则，结合哪些维度的数据，部署什么模型，到底把模型的分数定义成不同的截取分数段，哪些可能进了一类了，哪些进了二类了，类似这样的一些是使用的工具。

这是讲我们在整个全流程的后端，也是智能风控的一些模块和工具。比如说轻催收，如果有一些客户发生逾期，我们可以通过轻催收的系统服务，根据逾期的金额和逾期的时间来配置话术和催收策略，通过IVR互动式语音应答系统自动呼出去提醒客户，话术例如某某某先生，我们受哪个金融公司委托，您有一笔贷款逾期金额是多少钱，如果您能在两天内还款请按1，如果五天内还款请按2，如果和客户代表通话请拨3等等，类似这样的话术都可以定制，所以说也是一个很智能的方式，再辅助以短信的提醒， 会达到事半功倍的效果。

复杂网络也是我们的一个工具，相当于说把很多地信息关联起来生成一个社交网络的分析图谱。通过这个工具可以去抓到欺诈团伙。IP画像这也我们的一个技术，可以通过现场请求传输或检测的IP地址，可以分析出到底是什么类型的IP，是不是有风险的IP？常用相关的风险指数是多少？通过IP的画像辅助进行智能风控。

下面分享一个股份制银行的客户案例，前期给他们提供的就是这样一个贷前审批的服务，后续又给他们做了模型的开发和模型部署使用用。下一个案例是持牌的消费金融公司，提供的是一个相对全面的解决方案，从刚才谈到账户安全保护，到信贷的贷前反欺诈的服务。这个是跟大型的互联网消费金融平台合作的案例，为他们提供的也是账户的安全监控、评级、注册和审核的事件提供智能风控的服务。

最后，作为结束再跟大家汇报一下，同盾科技发展到今天差不多将近4年的时间，发展非常之快，现在基本上在智能风控领域属于领头羊这样的一个地位。所以我们也很高兴能够希望更多地、更好地去和我们的合作伙伴把新金融、把智能风控充分的发展好，也是扣我们今天的主题能够更好地为金融服务，通过金融拉动消费，通过消费更好地支持实体经济的发展。

谢谢大家！