乾貨分享：對抗黑產大軍，光有反欺詐大數據還遠遠不夠……

整理 | 棘輪

大數據、人工智慧與區塊鏈，已成為金融科技領域的最前沿。

曙光初現，但前路漫漫。

這三項技術在金融領域的落地，存在哪些亟待解決的問題？它們的最佳落地點在哪裡？從業者又該何去何從？

在一本財經 「風控?命門」 2018年第二屆金融科技風控大會上，多位業內人士給出了自己的答案。

主持人：

創世夥伴資本合伙人 梁宇

嘉賓：

通付盾CEO 汪德嘉

網信控股CTO 周欣

眾安保險機構金融部總經理 王鷹

中國區塊鏈應用研究中心理事、知道創宇CRO 潘少華

1

大數據、區塊鏈與人工智慧如何落地？

梁宇：

首先想請大家介紹一下，大數據、區塊鏈、人工智慧，在你們的公司是怎麼落地的？

汪德嘉：

大數據、區塊鏈和人工智慧，這三個領域我們都有涉及。

我們用大數據來做移動app的病毒檢測、漏洞掃描，現在也在推出一些C端產品。比如我們推出的可信金融應用市場——金融伴，其內應用數量非常龐大，基於人工智慧的威脅預警與態勢感知，可以快速發現安全隱患，幫助用戶時時守護財富安全。

我們用區塊鏈做什麼呢？我對區塊鏈有不一樣的理解，區塊鏈是分散式的技術，不可篡改，是一個超級賬本。在資料庫里，如果你把Delete和Update幹掉，其實它就是一個不可篡改的去中心化資料庫，是一個節點，而不是一個Block。從技術的角度，我覺得其實（區塊鏈）沒有太多的優勢。

實際上，區塊鏈從模式角度看是有一些創新的，可以用它來做積分這種激勵機制。我以前講過，區塊鏈模式其實是激勵機制，是比互聯網的免費模式更有效的一種機制。所以我們建了一個公有鏈的平台，以安全為核心亮點，在這上面做了一個積分的平台。

第三個是人工智慧。智能金融、智能風控，很多人做的事現在都被機器人替代了，讓人非常焦慮，也感覺到危機。

怎麼樣用人工智慧做點事？我們也做智能風控。但我後來思索，這些新的技術也帶來了新的問題：它們可以用來做好事，但實際上，黑客也可以用它們來做壞事。所以未來是機器人與機器人的對抗。這些新技術產生的安全問題如何解決？ 我們研究推出了一套金融科技安全解決方案，以身份安全、精準獲客、智能風控為落地場景，為金融客戶打造了一整套的精細化運營和全渠道反欺詐產品及服務，以有效解決賬戶盜用、虛假交易、信貸欺詐等各類安全痛點問題，全力為金融客戶建設以智能分析為中心的第二核心系統。

王鷹：

我們是通過信用保證保險這一保險工具，來服務於消費金融的生態的，我們稱之為「保貝計劃」。

作為一家金融科技公司，在風控上，我們運用了人工智慧、大數據及區塊鏈在內的技術，目前已經連接了三百多個生態合作夥伴，包括電商、旅遊、汽車、健康等場景，並積累了海量和多樣化用戶數據。

以雲計算為核心，我們利用這些數據，形成了用戶的基本畫像，並通過機器學習，對這些數據進行量化建模，評估用戶的信用。

眾安在消費金融業務上的特點，是全流程在線。我們為此開發了實時的風控決策體系，對用戶申請實行秒級響應。

眾安在區塊鏈領域的全資子公司——眾安科技，建立了一個區塊鏈反欺詐聯盟，將信用相關數據上鏈，通過演算法加密。參與企業可以既可以是數據提供方，也可以是數據使用方，大家共同來解決多頭借貸欺詐問題。

潘少華：

我們在網上開展業務的時候，面臨的壞人與黑客團伙，都是不固定的。他們今天做這個事，明天做那個事，一直隨著行業的熱點不斷切換。

2008年，網上的壞人都在盜QQ、盜遊戲裝備、黑網站掛病毒木馬。2013年後，移動App起來了，大家的錢和個人信息都在手機里，哪個東西能賣更多錢，黑產當然做這件事了。到2015、2016年，感覺更明顯了。現在我們的客戶，排名第一的是互聯網金融的，排名第二的是區塊鏈企業。

我們發現，任何一個企業遭受攻擊，它們所察覺到的信息都是有限的。無論如何運用好大數據技術、人工智慧，它們都會存在數據瓶頸。騰訊、阿里這樣的公司可能打通10億級別的社交關係網路，但任何一個金融公司都不可能去覆蓋這麼大的群體。

我們的優勢在於，網上的壞人隨著不同的熱點做不同的項目，而我們都能看到。因為我們在網上提供CDN或者反向代理，所有用戶過來訪問時，我們可以做一輪清洗，識別哪些是黑客攻擊、詐騙團伙，哪些是正常訪問。

無論是人工智慧還是大數據，都是這兩年大家關注的熱點。但這裡面，技術瓶頸競爭非常激烈，要求非常高。第二，它的的確確是一個人才密集型的技術。比如很多時候大數據和人工智慧是結合的，今天這個特徵樣本能用，明天可能就變質了。「時間」在裡面是個非常關鍵的因素。

這三個技術點，不管怎麼去運用，給我們帶來的啟示，一是，我們是不是有更多的技術手段，去挖掘出我們掌握到的技術細節，更好地闡釋我們業務面臨的風險、遭受的損失。

第二，我們是不是能在態勢上關注到我們的一些波動情況，對一些可能比較大的風險點未雨綢繆？別人遇到新的攻擊時，我們能否第一時間跟上響應？這幾個技術點，可以幫助我們去解決這些問題。

周欣：

在大數據、人工智慧和區塊鏈方面，我們很早就布局。

在大數據方面，我們構建了大數據中心。我們的日誌採集、業務數據採集，都會進入到我們的數據中心，在這之上，我們構架了智能BI系統，以及一個準實時的數據採集體系。只要用戶發生一些行為，我們都可以在後台秒級看到業務數據的變化。

我們通過大數據的方式自建了全鏈路的實時監控體系。以前業務中的某一個環節中斷，因為業務可能有很多點，工程師很難查找到底哪裡發生了問題。現在，通過全鏈路的大數據監控，很快就可以知道在哪個節點出現了問題。我們把它叫做「探針體系」。在探針之間，工程師可能只要通過一行代碼，就可以完成整個探針的布局。在後台，我們支持所有探針的加減乘除、求導等等混合型的計算，可以迅速導出報表，通過報表加固監控體系。

在區塊鏈領域，我們有自己的區塊鏈公司。在底層技術方面，我們研發了支持高TPS的leger,對常規演算法進行了一些提升。

在區塊鏈應用層面，其實會有很多場景，供應鏈體系是風控體系最佳的一個使用點。網信把供應鏈上下游的多級經銷商以及供應商的交易數據寫入區塊鏈，這些數據具有不可篡改、可傳導、可溯源性，有助於提高金融機構的風控水平，以及幫助區塊鏈上的企業快速融資。

在具體業務上，我們的第三方對賬體系，包括積分商城、積分兌換、傭金發放，也會基於區塊鏈來解決。

在人工智慧方面，我們成立了一個人工智慧實驗室，解決實際業務問題。比如投資券和紅包，以往是由業務人員決定針對哪些人發、什麼時候發、發多少，現在我們開始通過人工智慧的方式解決。

針對很多不同的場景，我們做了相應的人工智慧演算法和研究，做了一些智能化處理和對比。通過這些演算法的引導，在成本同樣的情況下，我們獲得了最大化的收益率。

2

哪一項技術的落地最為成功？

梁宇：

大數據、區塊鏈、人工智慧三種技術的出現，是有時間順序的：先是大數據，再是人工智慧、區塊鏈。在這三項技術中，大家認為哪一項技術的落地是最成功的？

汪德嘉：

大數據要打通很多數據，是一個系統的工程。我們公司落地最成功的是大數據分析這塊。

大數據分析已經是人工智慧的一部分，但還有很長的路要走。當然，還是有很多場景目前我們已經做得很好，比如用人工智慧來做反欺詐、設備指紋、設備畫像等。

在區塊鏈方面，通付盾已獲得多項區塊鏈技術專利，但真正落地下來，我覺得路也比較長。

大數據領域，目前最核心的難題，是數據孤島問題。如果沒有激勵機制，大家很難分享。此外，數據流通的合規性也非常重要。所以我認為，大數據最核心的問題，在於怎樣解決數據流通的問題。而人工智慧、區塊鏈，是很有希望解決這個問題的。

人工智慧與區塊鏈有一個智能合約，就是機器人。人是不可信的，但你可以相信機器，因為機器很多的合約是透明的。你可以把需求交給機器人，讓機器人在一些數據孤島里，把你需要用的東西拿出來分享。

當然，這個分享也需要一點激勵機制。在這一點上，區塊鏈模式比互聯網的免費模式更有效。激勵不一定是代幣，可以是積分。我覺得這是未來的發展方向，可能很快就會落地。

王鷹：

大數據、區塊鏈、人工智慧三個技術裡面，大數據的技術發展時間相對比較長，如果要我選擇的話，可能它的落地相對更成熟一點。

大數據解決了徵信白戶的問題，這也是現在消費金融的一個痛點。中國14億人口，現在有人行徵信的大概佔1/5左右，我覺得大數據、機器學習和人工智慧在一定程度上改變了傳統金融以用戶的信貸歷史、工作收入為主來建立評分卡模型的模式，而是更多地通過用戶的一些特殊變數，比如在線活躍度、電商交易、地理位置、社交互動、興趣關注等定性或定量的標籤化數據，通過機器學習的方法，分析這些成百上千的多維度的變數，刻畫個人的基本畫像，在此基礎上進行更精確的風險區分。

區塊鏈可能還在探索的過程中，但區塊鏈也可以一定程度上解決穿透式管理的問題。因為現在都在強調穿透，監管要求穿透式的監管，風控也要求做穿透式的閉環的風控，那麼我覺得，區塊鏈技術可以一定程度上實現信息的真實性和不可篡改性，但需要在資產生成的環節就將一些相關數據上鏈，這樣才能在技術層面去實現穿透的目標。

總體來講，我覺得這三個技術其實一直在探索和演進的過程中，不管是大數據、人工智慧還是區塊鏈，都是與金融風控緊密結合的。這是未來的趨勢，也是我們所有金融從業者長期致力的方向。

潘少華：

大數據和人工智慧，可能是不太能分割的。人工智慧在一些技術方向上的突破，讓我們在大數據方面有了更多的想像空間。

時代已經變了。在線下時代，在某一區域成功的金融項目，到了另一區域可能需要重走一遍流程，需要耗費大量時間。但線上不一樣，用戶的選擇權更多了，從業者的挑戰也更大了。

反欺詐也是一樣，以前很成熟的風控規則，只要被黑產掌握，就可能會失效。所以我們常說，對抗黑產與反欺詐是一個持續的過程。徹底終結黑產的終極技術是不存在的，很多時候，我們都是在競爭誰能跑得更快一步。

人工提出的風控規則可能有一千條，演算法則可能關注幾千個維度，且不用擔心規則泄露的風險。

區塊鏈真正解決的問題是信任機制。我們的業務流轉，很多時候還是需要依託權力中心來解決。權力中心本身，就是我們最大的一個雷。區塊鏈的去中心化信任，我覺得是一個比較大的補充。

但我個人也持保留意見。我覺得中心化和去中心化是陰陽調和的關係，物極必反，不同階段會面臨不同的問題，去中心化在一定程度上能解決我們眼下的這些技術風險點。

3

大數據、區塊鏈與人工智慧的未來

梁宇：

諸位如何看待大數據、區塊鏈與人工智慧的發展？你們有什麼樣的未來展望？

汪德嘉：

我們現在談大數據、人工智慧、區塊鏈技術，但這些底層技術我們真正掌握了嗎？我覺得還不一定。

最根本的東西還是企業演算法能力、軟體硬體能力的提升和創新。所有金融帝國都是建立在基礎設施之上。假如我們沒有掌握晶元技術、操作系統技術，再講應用落地，都是虛設的，降維打擊很多時候簡直不堪一擊。

王鷹：

預測未來是最難的事，我想到了三點。

第一，欺詐與反欺詐的博弈會持續長期進行，因為互聯網+金融，一方面是把海量獲客的門檻大大降低，另一方面也為欺詐提供了更多的便利。

第二，無論監管機構還是金融機構，對個人信息的保護力度會越來越大，所以整個徵信系統會越來越完善。

第三，關於區塊鏈和供應鏈金融的結合，我也有一點自己的想法。供應鏈上有多級供應商和經銷商，而且債權的流轉是常態，所以區塊鏈是解決信息防偽和追溯非常有效的方式。

在整個供應鏈的生態里，參與主體多，鏈條長，結構很複雜，比如銷售的訂單、發票、物流、資金流等等，以及參與的第三方中介機構、金融機構，可能需要各個節點上所有企業都加入進去，才能形成一個非常完整的多方共識，獲得確權、真實的數據。所以我覺得，區塊鏈和供應鏈的結合，在未來也是一個比較大的挑戰。

在未來，風控技術高，同時合規守法的企業，能更持續地為客戶提供優質服務。

潘少華：

區塊鏈技術的一些所謂落地場景，都只是一個噱頭，或者簡單的技術升級。我想，如果通過區塊鏈把線下資產流轉起來，可能存在很大的想像空間。

其實，不管技術在怎麼變，不管是大數據、人工智慧還是區塊鏈，最終都是為了解決我們現在最令人頭疼的技術風險。老闆們最想看到的，也是怎麼樣能夠讓他們更願意花錢去解決的問題。

技術在發展，壞人也都在與時俱進。不知攻，焉知防？尊重我們的潛在對手，保持對風險的敬畏之心，懷著對新技術開放、包容的心態，我相信大家在自己的業務發展中，能夠很好地享受到大數據、人工智慧以及區塊鏈的技術紅利。

周欣：

其實整個互聯網金融行業，都是靠技術的提升和發展，滿足來自業務的需求。

在未來的業務領域，在資金和資產方面，我們看好消費信貸、供應鏈金融。這兩塊領域是我們未來會重點布局的兩個生態環境。

道高一尺、魔高一丈。風控永遠是一個博弈的過程、對抗和被對抗的過程，它一定會驅動技術發展。

在未來，技術博弈會朝著幾個方向發展。首先是中國在底層技術上的提升。目前，我們整個行業的發展大多數是基於應用，但比較中美，在底層技術方面，我們還有非常大的差距。在應用層面，中國人是非常聰明的，服務意識很強大，解決了很多應用場景的問題，但我們需要發展底層技術，比如區塊鏈的高並發問題、TPS怎麼提升的問題。

其次，不同公司都有不同的風控模型，對不同場景、不同人群的演算法也不一樣，存在針對人群、場景的分層。它會更加細化。這些細分的場景，一定會推動新技術的發展。

版權聲明

本文為【一本財經】原創稿件，未經授權不得轉載，否則將追究法律責任。在獲得授權轉載後，須在文章標題後註明「文章來源：一本財經」。

一本財經

金融科技第一深度新媒體

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！