這家號稱全自動的新加坡風控公司，如何角逐中國市場？

隨著社會觸網程度的加深，黑色產業鏈也在暗地生長。據《2016年國內銀行卡盜刷大數據報告》不完全統計，2016年全網統計銀行卡盜刷共7095次，累計造成客戶損失1.83億元，網路詐騙「黑色產業」市場規模高達1100億元。

與此同時，風控行業也越來越為人所知，風控公司在全球遍地開花。CashShield是一家新加坡線上反欺詐風控公司，成立於2008年。CashShield目前共有三款產品：反支付欺詐產品Frontier、賬戶保護Vanguard和防優惠券欺詐產品，保護對象包括虛擬商品及實物商品。

李偉健是CashShield創始人兼CEO，他坦誠道，「其實CashShield走向國際化有點誤打誤撞，因為我們也不是一開始就定位國際化的。新加坡的市場太小，沒有足夠大流量的商家平台。最先切入歐洲市場可以說是『被逼』的，我們選擇那些深受黑客侵擾的公司開始，比如遊戲行業。」

篳路藍縷的時期過後，現在CashShield的客戶遍及美國，歐洲，中國與東南亞，審核交易覆蓋超過190個國家，涉及行業有如電子商務、數碼業、電信、奢侈品以及在線旅遊等。

進軍敵手林立的中國市場

近日，CashShield 宣布完成由GGV紀源資本領投，iPod之父托尼·法戴爾、遊戲公司雷蛇、新加坡淡馬錫控股的海麗凱資本等跟投的A輪550萬美金融資。李偉健表示，這次融資是為了建立更長遠的合作關係並加快全球擴展。中國和矽谷是下一階段重點攻克目標市場。而投資方的背景，對於CashShield來說是一定的助力。

據雷鋒網了解，CashShield目前的中國客戶主要來自遊戲行業，比如三七互娛、綠洲遊戲、盛大遊戲。這些公司的流量超過1000億人民幣。

另一個與風控密不可分的領域——金融，CashShield涉足似乎並不太多。對此，李偉健表示，他們的主要打擊目標是是否存在非法盜用行為，這不同於重點在了解用戶是否有還款能力的信貸風控。

不過，這並不意味著，CashShield對於金融客戶沒有想法。他對雷鋒網介紹說，他們與金融機構的合作點在賬號保護方面。

「新加坡的fintech主要集中在移動支付和區塊鏈領域，反欺詐公司為數不多。現在我們已經與新加坡政府達成合作，Vanguard能夠保護新加坡公民的線上付款賬戶，防止賬號被盜。」

除此外，還可以防止出現黑客刻意製造多個賬號，盜用用戶信息來貸款的情況。CashShield認識到，賬戶的價值越來越高，賬號保護在其他領域也有用武之地。「黑客盜走美國uber賬號，現在每個賬戶能夠轉賣30美元。」

而在目前中國市場，金融風控領域可謂是對手林立。作為「外來的和尚」，CashShield有什麼爭奪客戶的底氣？

李偉健回應道，在詳細調查中國主流風控公司後，他們發現大部分還是屬於大數據風控範疇，演算法基於規則，篩選工作離不開人工。「而我們目前的機制中不需要人工篩選。CashShield的策略是專攻技術，這樣才能與大企業有一爭之力，這也是目前我們只有三大產品而不是全流程風控的原因。」

全自動風控技術是如何實現的？

事實上，近兩年，機器學習已經不再那麼高不可攀。同業也紛紛將載入了機器學習的自動風控方案作為殺手鐧。

「但羅馬不是一天建成的，CashShield有別於其他競爭對手的一點就是，我們在六年前就開始應用機器學習「，李偉健回憶起這些年的變化，「2011年，那時候機器學習的研究大多在大學的實驗室中，產業界並不普及，客戶對於我們產品的認知不夠。現在機器學習越發流行，對於我們也有一定好處——銷售工作更好推進了。」

那麼具體來說，CashShield的全自動化風控方案是如何實現的呢？

這主要涉及三種技術，分別是被動生物識別、實時模式識別、高頻交易演算法。清華大學交叉信息研究院博士後、物理學博士王書浩指出，在電商交易領域中，最普遍的兩種欺詐行為是賬戶失竊和黑客盜刷信用卡。這兩種欺詐行為的共同點就是，黑客都會購買商品並變現。而變賣更加容易的虛擬商品市場更是重災區。賬號保護、反支付欺詐的運作原理基本相同。

收集信息是風控的第一步。被動生物識別就是收集並分析用戶的行為數據。首先，CashShield會區別用戶是使用手機或者電腦登錄。針對於手機用戶，CashShield會收集用戶的行為習慣（手指按法偏左還是偏右、點擊點）、打字速度等數據；電腦端則可以獲取操作系統、滑鼠動作、社交網路信息等。當然，資料庫中還有IP地址、信用卡信息等。他還提到，一般的方案中不包括指紋、人臉識別。因為若包含，意味著多加一個設備、多一道檢驗，可能會傷害用戶體驗。

獲取數據之後，就是運用機器學習、實時模式識別、高頻交易演算法分析評估，最終對用戶產生一個明確的」yes or no「評價，即通過或者不通過。

由於機器學習訓練使用的是歷史的數據，反欺詐策略也是建立在歷史交易上，因此如何識別新的欺詐手段一直是一個重要問題。李偉健告訴雷鋒網，CashShield試圖採用實時模式識別技術來解決這個問題。

「有些新交易沒有歷史數據，會有一些其他判斷方法。比如，如果IP和購買地址不同，系統就會計算兩點之間的距離。或者，出現一個新電子郵件賬戶，我們會去Facebook、Twitter等社交網站上找是否用它進行註冊。」

至於高頻交易演算法，它又稱為金融危機演算法，是指在進行高頻交易的時候，需要對股票進行風險和收益兩方面評估。支付方面的風控邏輯也同理，產生訂單後，會評估接受訂單後的收益和潛在風險，CashShield會綜合兩個因素，運用金融危機演算法降低風險。

據統計，全球市場標準的欺詐率在十年來大約在1.5-2%左右，高風險行業（遊戲、虛擬物品）的欺詐率可以達到3-5%。CashShield方面表示，它能幫助前者將欺詐風險降低到0.15-0.2%，後者風險在0.3-0.5%之間。

「遊戲公司三七互娛之前的欺詐率一般在5%左右。如果CashShield很好地控制了風險，那麼會索取節省的一定比例費用作為報酬。」同時，若是出現欺詐行為，CashShield將承擔欺詐訂單100%的損失。「這樣，企業可以更加專註於本身的業務發展。」

此外，高頻交易演算法還能通過優化欺詐風險最大化潛在收益。李偉健解釋說，風險收益相伴隨，風險很小，收益也必然很小。

「極端而言，就是『0風險0收益』。這時，我們會建議部分商家提高一些風險，提高0.1%風險，可能將獲得10%的回報。因為有些客戶太過於注重降低欺詐，導致用戶通過率很低，這樣能夠提高營收，擴大發展規模。」

上述設計也有出於用戶使用體驗的考慮。針對C端用戶，在CashShield看來，優良的用戶體驗表現在，訂單通過率較高，流程簡潔，審核驗證能在0.1秒內實現。對於B端商家來說，CashShield會提供線上技術支持，API接入平均需花費5個工作日，而一般接入用時需要3個月以上。

「我們的目標是成為『隱形保安』，既不影響用戶使用體驗，也不需耗費更多人力。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！