金融行业如何选择反欺诈供应商｜产业安全观智库访谈

近日，国际权威评估机构Forrester发布了《Forrester Wave™：2021年第四季度亚太地区企业欺诈管理》报告，此报告为亚太地区金融机构提供技术市场的权威参考指南。

随着电商、消费和金融领域的快速崛起, 金融市场诈骗手段也在不断更新迭代，黑产灰已形成一条成熟的产业链, 不仅规模庞大, 且技术水平高超, 给金融业反欺诈风控带来严峻挑战。为顺应数字化时代需求, 各大金融机构该如何选择反欺诈防控供应商; 优质的反欺诈技术供应商又该具备哪些能力为金融机构的安全平稳运行保驾护航,已成为金融市场所面临的关键性问题。

本期「产业安全观智库访谈」邀请到Forrester Wave EMF 主笔分析师刘盟和腾讯安全金融风控专家李超分别针对当下金融行业该如何选择反欺诈供应厂商进行了深度剖析，同时对最新Forrester Wave报告进行了全面解读，并深入探讨了金融市场反欺诈现状和前景。

                

Q1: 数字化热潮下, 金融市场反欺诈风控有哪些需要关注的趋势？

刘盟：首先，欺诈类型逐渐变得复杂和难以预测。比如说现在有很多新型的欺诈类型，电信网络诈骗、团伙欺诈等等。很多欺诈类型是由用户本人发起交易难以防控。

其次，针对愈加复杂和智能化的欺诈类型，攻击人工智能和机器学习的使用愈加重要，也是亚太高速发展的数字化经济的必然需求。

第三，隐私计算的发展。隐私计算实际上是打破数据孤岛，以及提升企业反欺诈效率，特别对于金融机构是非常重要的技术，是一大发展趋势。

李超：金融风控行业主要经历了数字化和智能化两个阶段，当下各金融机构在广泛引入人工智能和图计算，这是对数字化智能化的升级。人工智能技术提供更精准的风险判断，从而降低风险窗口，能够为更多的真正需要这样金融产品的人提供更好的服务并能减少客户的打扰。

Q2：基于金融市场的反欺诈趋势，此次Forrester Wave 测评重点考量哪些要素？

刘盟：测评中重点考量企业五个方面的能力：

• 一是机器学习能力

厂商是否能提供健全的机器学习的模型，比如AI，已经是企业客户反欺诈的标配;

• 二是风控建模能力

对于大型金融机构，有大的技术团队和数据科学家，这些数据科学家非常希望厂商可以提供一个好的机器学习的建模平台，帮助他们进行定制化的建模;

• 三是分析员调查功能

从用户体验角度出发，能否提供细颗粒度的功能模块，以及是否具备完善的管理案件能力;

• 四是管理功能

风控供应厂商是否具备成熟完善的管理案件能力;

• 五是客户画像功能

通过客户画像功能可以在不需要大量历史数据的情况下，预测出客户是否可能是潜在的高风险客户，这也是全球反欺诈产品发展的趋势。

Q3：面对当下挑战重重的金融市场风控, 腾讯安全天御的主要优势是什么？

刘盟：在测评中, 腾讯安全在三个维度方面都比较突出;

首先是产品，大势所趋的机器学习能力和风控建模能力天御都具备。

其次是战略愿景。天御风控计划明年为银行客户提供数据科学家和工作流程提升计划。银行类的客户将获得定制化功能，包括反欺诈相关功能组建，这很具有差异化。同时分析员分析师工作流程提升计划也将进一步增加功能。

最后是创新路线图。腾讯安全天御抓住了银行发展的趋势，把隐私计算作为明年重点突破和投入，非常符合当下反欺诈领域发展的趋势和潮流。

李超: 与腾讯大多数的ToB业务相似，腾讯安全天御旗下的内容风控、流量风控、金融风控等能力也来源于腾讯在C端的深厚积累。最初，腾讯安全天御团队专注于腾讯自研业务的业务安全，在中国互联网的初级阶段，天御日均处理风控流水就达到了千亿条，其守护的产品包括QQ、QQ空间、应用宝、QQ音乐等腾讯系产品。

腾讯安全天御一直在海量用户、极限复杂场景、高压力攻防态势、“公司级”黑灰产对手的环境中锤炼风控能力。

2018年9月，腾讯启动了自成立以来的第三次重大组织架构调整（业界称之为“930变革”），TO B业务被提升到了一个前所未有的战略高度。原本分散在各个事业群下面的TO B业务，形成了了一个统一的服务界面，以更加聚合、更加高效的方式为企业客户提供服务。

基于这个背景, 腾讯安全天御团队逐步完成了几大风控产品体系的建设，开始大量服务企业客户。经过几年的快速发展，“天御”逐渐成为了腾讯风控能力对外服务的专属品牌。

在过去二十多年持续的黑灰产对抗沉淀下，腾讯安全打造了“四位一体”的天御（TenDI）智能风控服务，涵盖场景咨询、解决方案、风控服务、风控系统等多维度的产品矩阵，企业可以根据自身需求和风控基础，定制化地选择咨询、建模、平台搭建等风控措施，筑牢反欺诈防线。

Q4：金融市场反欺诈风控领域有哪些需要攻克的难题？腾讯安全天御有哪些对策?

李超：市场的迁移要求风控企业对风险快速响应，主要体现在稳定期和风险迭代期两个方面。稳定期需要提升风险模型的构建能力，联邦学习能在客户稳定期构建出更精准的模型，在符合信息保护法和数据安全法的情况下，实现数据不动模型动，灵活优化风险模型。

在风险迭代期普遍面临样本小的问题，天御自研了SKAnets小样本学习方法，能够帮助快速掌握学习任务以及快速掌握新的欺诈模式特点，帮助金融机构在即使样本十分有限的情况下构建新模型样本。

腾讯安全天御正在研究零样本学习方法, 通过黑科技实现在没有样本的情况下快速有效构建定制化模型。以一家头部消金公司为例, 为实现完善精细化的大数据模型和审批策略，腾讯安全提供了基于联邦学习的风险模型建立和风险审批的精细化升级, 这里的风险审批除了常见的反欺诈，还有信用审批, 同时创新构建针对小白客户的定制模型。

Q5: 当下银行风控方面有哪些关注点? 有没有相关案例?

刘盟: 为响应反欺诈数字化市场需求, 各银行开始积极使用AI算法打击欺诈类型的交易，比如说知识图谱可有效的去防控团伙欺诈; 联邦学习可在不同金融机构之间共享数据洞察; 多模态传感技术可以通过微表情识别等方式有效降低信贷风险，所以AI算法已普遍使用在反欺诈领域。

李超: 作为中国经济发展的“压舱石”，金融业尤其是银行业一直是重点行业领域中数字化发展程度最深的。而面临着疫情的冲击和经济增速趋缓的大环境，对公业务风险提高，短期零售贷款业务占比提升。大零售+数字化，将成为未来银行业深化发展的显著特征。然而面对着外部市场（包括终端用户在内）的快速变化与银行内在稳健经营的刚线要求，薄弱的风控能力极有可能成为银行数字化转型发展当中的最大障碍。

当下银行反欺诈风控工作中，图计算是挖掘抵御黑产必不可少的工具, 黑产团伙的宏观情况、转账金额节点数目、以及团伙里每个用户个体分析都可通过图计算工具实现。

天御风控服务的银行案例主要可分为交易、营销和信贷三方面: 在交易层面天御曾帮助一家国有大行构建交易风控引擎,以达到降本增效的目的。最终帮助该银行构建起事前、事中、事后多维度风险模型,累计监控31.8亿笔交易, 阻断可交易金额118亿。

在营销场景中，一家大型股份制银行在一场在线黄金分享营销活动中,利用天御风控中台进行虚拟机、假人和黑产恶意团伙识别, 识别率高达99%, 有效保障了虚拟营销活动的进行。

信贷领域比如说某城市的商业银行, 由于客群渠道单一, 缺乏数字化平台，天御帮助该银行构建了零售信贷的数字化平台、大数据风控体系和先进的渠道获客体系, 并结合腾讯内部专家联合运营, 该银行上线至今累计用户170万, 交易人数40万, 并已有150亿余额, 风控情况非常良好。

Q6:《数据安全法》和《个人信息保护法》的颁布给金融风控带来哪些趋势？金融机构该如何在保护数据和信息安全的同时应对反欺诈数据提取？

刘盟：隐私计算的经营与发展，将成为金融风控和金融反欺诈基础设施类型非常重要的技术，未来对个人数据隐私的保护监管会更严，对消费者的保护也会更好，厂商和金融机构将进一步增加对隐私计算的投入。

第二，《个人信息保护法》的颁布, 消费者和个体的数据保护监管将更加严格，过去通过非法或灰色手段获取数据的情况在未来的三年内基本不会发生, 促使技术公司转型升级。对于已经拥有海量数据的公司和金融机构更有利，可基于已有数据进行迭代。

李超：金融风控尤其是数字化业务的风控是基于数字的工作，所有风险决策流与数据分不开。除了联邦学习技术，不同机构之间可在保障数据不出域的情况下，实现联合构建和优化模型。金融机构内部也需对数字更安全地治理，比如数据的匿名化和数据权限的管理，金融机构内部的整个风控过程都需要提升隐私保护能力。

《数据保护法》和《个人信息保护法》对如何应用个人数据，包括数据脱敏去标识化和机构间分享等方面进行了全面指导。目前，天御正在研发隐匿查询技术，帮助金融机构在保护用户个人信息的前提下构建更完善的画像, 并主要围绕隐私保护，构建原生隐私保护大数据决策操作系统。