維擇科技走進金融科技研究院活動圓滿成功

7月6日下午，由清華大學金融科技研究院互聯(lián)網(wǎng)金融實驗室-證券科技研究中心主辦、DataVisor維擇科技協(xié)辦的證券科技主題沙龍暨維擇下午茶第4期在北京雙清大廈圓滿舉辦。DataVisor維擇科技金融風控咨詢專家楊澤毓及德勤風控咨詢總監(jiān)柴濤作為分享嘉賓出席本次活動。

楊澤毓做《無監(jiān)督技術(shù)在現(xiàn)代金融反欺詐的應(yīng)用》主題演講。他談到，移動互聯(lián)網(wǎng)的全面普及帶來了新的風控挑戰(zhàn)，比如惡意騙貸、套現(xiàn)、非法集資、電信詐騙、營銷套利、洗錢等非法活動藏匿于互聯(lián)網(wǎng)金融場景中。但是，現(xiàn)有的風控規(guī)則卻只能覆蓋到20%左右的欺詐手段。主要原因是，攻擊方的攻擊手段往往變化很快，而防守方一般的應(yīng)對措施則是相對滯后的，傳統(tǒng)的風控手段，比如黑白名單、規(guī)則引擎、有監(jiān)督機器學習，都是強依賴于歷史數(shù)據(jù)和經(jīng)驗，且需要大量人力和時間去維護這些名單、規(guī)則或模型。“規(guī)則模型是越積越多的，新的攻擊手段出現(xiàn)，就需要在模型中增加新的規(guī)則，這就造成很大一部分規(guī)則都已經(jīng)過于老舊，對于檢測效率和對新型攻擊的識別力都不夠優(yōu)秀。”楊澤毓談到。

無監(jiān)督機器學習的一大特色就是不依賴于標簽，從全局出發(fā)，發(fā)現(xiàn)可疑賬號、可疑活動之間的關(guān)聯(lián)性，捕捉欺詐攻擊。因為現(xiàn)代欺詐趨向團伙型、專業(yè)化的欺詐，此類欺詐具有“壞用戶緊密聯(lián)系，好用戶行為離散”的特征。無監(jiān)督機器學習正是利用這一特征，通過聚類和圖分析識別欺詐群組。

無監(jiān)督機器學習的處理流程是：先動態(tài)特征提取，再進行無監(jiān)督攻擊群檢測，最后輸出結(jié)果分類和排序。DataVisor維擇科技的無監(jiān)督機器學習引擎會根據(jù)不同場景下各用戶的數(shù)據(jù)信息，比如身份信息、設(shè)備ID、IP地址、關(guān)系信息等等來提取特征。特征提取后，運用無監(jiān)督的算法對這些數(shù)據(jù)信息進行聚類，最后將聚類出的群組或賬號進行好壞用戶分類及評分等。楊澤毓談到，無監(jiān)督機器學習目前的應(yīng)用場景很廣，比如社交領(lǐng)域反批量注冊、電商領(lǐng)域反薅羊毛、游戲出海反流量造假、金融反欺詐等。

到場來賓對維擇科技如何區(qū)分聚類出的群組屬性表示出濃厚興趣，我們是如何區(qū)分好壞集群呢?楊澤毓舉例說：一群人在機場連了同一個Wi-Fi這不可疑，一群人在中國用華為手機下載了一個游戲也不算可疑，但是一群人用同一種冷門的手機型號、一個老舊的系統(tǒng)版本在類似的時間點進行注冊操作，這就比前兩種更可疑，我們基于豐富的提取特征、大量的研究和實踐來解釋用戶可疑性并給出評分。給不同場景的業(yè)務(wù)人員提供一個更具可解釋性的產(chǎn)品，是DataVisor維擇科技最新一代全面的反欺詐管理解決方案dCube的一大優(yōu)勢。

本次活動吸引到超過30位行業(yè)專家、企業(yè)代表、清華大學學生等，現(xiàn)場反響熱烈。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。