【TechWeb】9月1日消息，日前，在“2020第二屆中國零售金融發展峰會”上，360數科首席數據科學家沈赟就“白戶風險”、“身份偽冒”、“中介風險”、“傳銷風險”、“黑戶風險”、“惡意欺詐”、“借新還舊”七大欺詐場景，給出了針對性技術解決方案。
據沈赟表述，針對主動式欺詐，360數科憑借GBST等自研算法，不斷優化FTG自適應反欺詐特征體系，在千萬級別黑名單庫、黑中介庫以及數億白名單庫的數據支持下，搭建起涵蓋超過18億關系節點和200億關系邊的金融知識圖譜。在全場景反欺詐方面，基于位置、設備、推薦、聯系人等關系，360數科建立起關聯網絡，并利用社群發現、風險傳播等無監督算法發現黑產團伙、識別潛在和新型欺詐威脅。利用LBS網格化特征、App2Vec特征等技術加工手段，360數科還提升了深度學習算法的敏感度與精度，挖掘了模型算法的靈活性，即時攔截中介及黑產風險，從而實現有效實現反欺詐。截至2020年6月30日，360數科由于欺詐造成的壞賬率為0.2％。
沈赟表示，對于數據科學如何賦能信貸業務，360數科已實現從獲客、貸前、貸中到貸后的全生命周期風險管理，有效抵御欺詐攻擊。在此過程中，每個階段都需要大數據與人工智能技術的參與，這也是金融科技區別于傳統金融機構的最大原因。
同時，沈赟進一步表示：“反欺詐需要辨別出以騙款為目的黑色產業，在這方面，我們通過構建關系網絡，以知識圖譜等形式找出風險點。同時，還會維護諸如黑中介電話號碼庫之類的數據庫，通過社交關系網絡，找到與黑中介關聯上的人，并認作潛在的欺詐風險?！?/p>
沈赟稱，“針對風險較高客戶，我們會提前采取拒絕、調額、調價等風控措施。此外，在實際業務中，我們還會在多個貸中時間點對用戶進行重新評估，來預測其多頭可能變化的情況。”
據介紹，360數科在貸后環節制定了不同的催收的策略，通過對用戶去進行客戶和分群，來制定相應的催收方式。沈赟表示，“我們從積累數據，從數據當中去挖掘各種各樣的特征，使用機器學習的模型去學習，不斷去優化調整這個模型，從而促進業務的發展。從這個角度講，數據決定了模型算法的天花板。反過來，在業務發展后，我們也可以獲得更多的有標簽、有指導意義的數據及模型，這是一個不斷正向的循環，是整個的建模、數據模型以及業務三者有機的一個融合?！?/p>
