-
邀请演讲人工智能综合了计算机科学、生物学、心理学、语言学、数学哲学等学科知识，使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息处理过程的模拟。
图表1:人工智能在网络反欺诈中的作用示意图
资料来源：前瞻产业研究院整理
目前人工智能的关键技术主要包括机器学习、自然语言处理、计算机视觉、生物识别、知识图谱等。相关技术已经在金融领域得到初步探索和应用，在征信和风控领域，设备指纹、知识图谱、生物探针、行为序列、人脸识别、活体检测、语义分析等技术已经用于防范和监测金融欺诈活动。
人脸识别是一种依据人的面部特征(如统计或几何特征等)，自动进行身份识别的一种生物识别技术，技术上包括图像采集、人脸检测、人脸特征提取、人脸特征比对（身份的确认和查找）等，在反欺诈领域可利用该技术识别客户是否是欺诈惯犯，为业务事前审核提供技术抓手，同时在识别真正用户、防止盗刷等方面起到重要作用。
自然语言处理主要是指对于输入计算机的自然语言字符串序列，计算机通过词法分析、句法分析、语义分析等对语言信息进行预处理，将分析的结果映射为机器内部可以识别与处理的表示形式，并可对该内部表示进行推理，重新转化为自然语言表达的字符串序列输出，最终实现对自然语言的理解。在反欺诈领域可以利用NLP技术针对特定的欺诈信息和虚假信息进行有效识别，从而进行适当拦截或风险提示。
知识图谱是一种基于图的数据结构，是把不同信息连接在一起而形成的一种关系网络，从而可以整体、全面的了解不同主体间的关联关系并以此为依据进一步开展深度分析。在反欺诈领域通过知识图谱的应用可以实现将不同类型数据汇聚在一起，从而有效分析出复杂业务关系中潜在的风险，及时识别欺诈行为，对于打击团伙欺诈，防范潜在欺诈用户等方面发挥重要作用。同时，还可以通过知识图谱为执法部门追踪诈骗份子提供相关信息情报。
设备指纹技术是指通过利用设备的多种相关信息来完成设备识别的相关技术统称。随着移动支付的发展，传统的设备识别技术已无法满足对于设备识别的需求，欺诈软件的出现、利用"猫池"进行的刷单、"羊毛党"的出现等给各大平台运营带来了极大挑战。而设备指纹技术的出现将有效打击综上欺诈行为，通过设备指纹技术给相关设备打上独一无二的标签，从而可以准确识别出欺诈使用的相关设备，即使通过软件篡改设备ID、使用IP代理等方式，设备指纹技术也能够识别出使用的是同一个设备，从而能有效的实现线上欺诈行为的识别和预警。
在实际应用方面，人工智能已经在数字金融反欺诈的多个领域得到实现。例如腾讯公司利用自然语言处理技术，从大量的投诉数据源里提取投诉文本，通过多维度的分析剖析不同的可疑特征，再通过不同的可疑特征制定文本挖掘维度与监控维度去过滤风险词，并搭建了集成文本分析、信息汇总、账号审核、策略打击、大盘搜索、数据导出的文本审核平台。文本审核平台会针对每个挖掘维度统计特征或给出评分，作为评判、筛选可疑账号的标准。
扫一扫
下载《前瞻经济学人APP》进行提问
与资深行业研究员/经济学家互动交流让您成为更懂行业的人
