沈曉春揭秘京東金融黑科技：大數據和演算法成就科技風控

《未來簡史》作者尤瓦爾·赫拉利曾經這樣表達他對於人工智慧的理解,「人類已不能做主，未來演算法說了算。」究竟演算法能夠給人類帶來什麼？9月3日，在2017智慧金融年度峰會上，京東金融風險管理部總經理沈曉春從AI在金融場景的應用出發，向在場觀眾闡述了演算法為風控帶來的改變，人機識別、關係圖譜、深度學習、安全魔方這些充滿科技感的概念吸引了現場觀眾的普遍關注。

從登錄環節開始見微知著

「從登錄環節開始，京東金融就開始見微知著」，沈曉春首先以賬戶登錄場景的風險管理舉例，她介紹說，為了確保每一位用戶的賬戶安全，京東金融建立了包括設備識別、人機識別、生物識別三大技術以及異常登錄模型和賬戶等級模型在內的全方位賬戶安全體系，用於判斷當前登錄可能產生風險、判斷當前用戶行為偏好等。

以設備識別舉例，「我們在這項技術的應用上，會有前後兩個模塊來同時推進，比如在最前端，在客戶進行登錄過程中，我們已經能夠精確識別客戶的設備，通過一些相應的技術手段來採集客戶的設備環境，幫助生成客戶識別的ID。在後端，則是通過機器學習等計算方法實現設備精準核算和判定，從而進行更好的風險控制和體驗的增強」，沈曉春表示。

從人機識別角度上也是類似的邏輯，在賬戶登錄的場景下，一般會遇到大批量的外部的攻擊，攻擊過程中如何做到在第一時間對它進行截斷，並且保護所有客戶資金的安全呢？沈曉春表示，對此，京東金融自主研發了整體的人機識別體系，它從六個維度來對一次實際登錄行為進行不同維度的判定，比如在手機端，通過手摁在屏幕上的力度來判定是不是本人；在PC端，則是通過評估滑鼠的軌跡是否規整，來判斷是否真正遇到惡意攻擊。

談到異常登陸模型，沈曉春表示,京東金融的賬戶安全模型是由多層架構組成，異常登陸模型就是接近於頂層架構的分類模型。據介紹,京東金融異常登錄模型結合了前端收集的設備特徵編碼、生物信息ID與歷史數據規律,在京東金融在線演算法系統支持下，可以在毫秒級時間內就完成數百項數據的特徵加工與模型計算，是用於保護用戶安全的核心模型。

演算法讓風控看到的足夠多

除了闡述AI在賬戶安全登錄場景下的應用，沈曉春還首次對外透露了京東金融的兩個比較有代表性的演算法是如何提升京東金融風控能力的。

第一個演算法，是路徑的軌跡學習。根據沈曉春介紹，該演算法是通過判斷正常用戶和異常行為用戶瀏覽點擊的不同軌跡，以及他們對於頁面產生的不同反應，來進行好壞用戶的相應判斷。

沈曉春坦言，現在的網路攻擊者都非常的專業，他們有很多較高的手段，他們也會對自己的很多行為進行一些相應的掩飾，但總體來說，「當我們看到足夠多的時候，我們就會發現欺詐人群行為軌跡都會有一些相應的偏離」，沈曉春說，通過RNN的時間序列演算法，我們對於壞用戶識別的準確率可以超過常規機器學習演算法的3倍以上。」值得一提的是，京東金融的這一演算法研究已經被歐洲機器學習會議的PKDD2017收錄，得到了國際上的權威認可。

第二個演算法，沈曉春強調，是關於京東金融基於大規模圖計算的涉黑群體的挖掘技術，這也是一項京東金融已經申請專利的技術。沈曉春表示，現在社會中的欺詐行為很有隱蔽性，也很有群體性。京東金融可以通過一個突破點從而延伸，抓住很多隱蔽在後面的欺詐行為，提前預防並攔截在體系之外。「目前，這項演算法已經在交易欺詐，營銷欺詐，保險欺詐各個方面進行相應的應用，我們可以把它理解成整體業務的安全防火牆」，沈曉春說。

經歷雙11、618考驗的安全魔方

之所以擁有以上人工智慧技術，與京東金融與生俱來的大數據基因密不可分。在沈曉春看來，作為一家服務金融行業的科技公司，京東金融背靠互聯網、零售和金融服務三大業務，積累了大量業務數據。在多維、海量、動態的數據基礎上，京東金融實現了人工智慧、生物識別、深度學習、圖像識別、雲計算和區塊鏈等領先技術的創新，並應用到了風險模型、量化運營、用戶洞察、企業徵信、智能投顧等各個與金融相關的領域中去。

與此同時，京東金融還將數據+人工智慧能力進行對外輸出，沈曉春在演講中特別提到了京東金融的反欺詐解決方案——安全魔方。據悉，安全魔方擁有千萬級每分鐘的風控指標運算能力，還具備毫秒級的風險預警及響應時效，可以提升金融機構及電商客戶的信貸申請反欺詐、賬號與交易安全、營銷反欺詐能力。最重要的是，安全魔方產品已經經過京東多次618和雙11等超大業務量考驗，和支付、信貸、保險、理財、電商等全業務場景實戰。

最後，沈曉春談到，風控一直是京東金融的戰略核心，「在數據不斷積累和技術驅動的前提下，我們的風控也在更新迭代，不斷走向成熟。我們希望達到的目標，是風控真正做到無形，因為無形的風控才能讓產品更好的融合在一起」。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！