2022/08/26 08:09

蛋酱作者

和风险赛跑：智能风控如何迈入「10毫秒时代」？

「风控」如何跑在「风险」之前？

在我国，数字经济已近国民经济半壁江山。2021 年，我国数字经济规模达 45. 5 万亿元，占 GDP 比重达到 39. 8%，正在成为中国经济社会发展的主旋律。

在这个大变革时代，每一个行业都面临着数字化的重塑和改造。转型过程中，风险和发展怎样平衡？有哪些新技术可能抓住契机？金融行业作为数字化先行者，应用规模广、技术推进领先，可以提供大量参考。

在 8 月 18 日最新发布的 IDC《10 大风控技术趋势》白皮书中，图技术、端云协同等十个技术被列为未来风控趋势。随着行业进入数字化转型深水区，众多业内机构都意识到，更复杂、更难对付的新型业务风险已经到来。不谈安全，便谈不上发展。如何让「风控」领先于「风险」，逐渐成为领域内最重要的议题之一。

而对新技术的大量投入，已经将风控这个历史悠久的领域逐步变成了人工智能的重镇。

数字化进程加速，10 大风控技术趋势凸显

风控为什么需要新技术？回答这个问题，需要先拆解一下金融领域的数字化风险。

我们可以观察到两个趋势：从五六年前开始，风险形势开始发生变化。一方面是越来越多的生产生活向线上迁移，疫情更是加速了这一进程，于是曾经有章可循的盗号等「显式风险」，迅速转变成了欺诈等「隐式风险」。全民反诈背后，就是这一局势。

另一方面，黑灰产团伙已经「鸟枪换炮」，他们不仅十分熟悉金融机构的业务流程及防护逻辑，还升级了技术能力，能熟练使用自动化、智能化工具，欺诈套路也变得越来越复杂。

面对这种形势，一方面商家、支付公司等金融机构希望抓住机会开展数字服务，将各类渠道、业务流程、工具和技术放到一起，在系统内部和业务流程上留有很多隐患；另一面，传统的风控工具已经逐渐失效。

「风控」与「风险」之间的斗争，归根结底还是技术之间的对抗。基于对全球金融科技及行业趋势的研究，IDC 联合蚂蚁集团发布了《10 大风控技术趋势》白皮书，具体而言，这十大风控技术趋势包括：

1、人工智能，风控能力提升的基础；

2、威胁情报的挖掘技术，为风险防控提供有效依据；

3、全图风控，实现动态可视事实风险挖掘；

4、高效的算力体系，为精准流畅风险防控提供算力支撑；

5、极速风控，实现更快的实时风险决策；

6、主动式风控，在即时响应基础上主动出击；

7、端云协同，提高计算效能保护用户隐私；

8、多方风控，使用隐私计算等技术确保安全的跨机构协作；

9、可信 AI，智能风控系统的安全基础；

10、用户行为分析（UBA），对风险的预测变得愈加重要。

可以看出，风控领域当前的智能化推进可谓激烈，多种前沿技术都有潜力在此大展拳脚。借助《白皮书》提供的最新参考，国内外众多金融机构、互联网科技平台和第三方技术服务商都可根据各自的需求，探索出一套行之有效的科技部署战略。

事实上，在当前的业界实践中，对这十项技术趋势基本都已经有了比较深入的产品化探索。从中，我们也能看到一些值得参考的技术落地经验。

智能风控正在迈入 10 毫秒时代

基于多年来站在一线对抗黑灰产的经历，蚂蚁集团大安全事业群技术部总裁李俊奎认为，面向未来的智能风控系统要做到三点：隐私保护下的全链路智能、机器能读懂人、极强的自我进化能力。这就意味着智能风控系统里必定包含多个环节、多种技术，且随着风险的变化持续升级。

而这一切，必须在兼顾用户体验的情况下完成，这是数字化的题中之义，也是智能风控的一体两面。

「一个 10 毫秒级别的风控新时代正在到来」，李俊奎在 IDC 演讲中表示，「这意味着，在对风控耗时极端要求的情况下，依旧可以实现动态风险识别，从而提供最大的安全保护和极致的用户体验。」

蚂蚁集团是较早开始风控智能化转型的科技平台，也是最具代表性的实践者之一，在 2015 年前后就陆续开始了包括图技术、端边云、新型交互技术、隐私计算等在风控领域的大规模研发和应用。IDC 中国金融行业研究总监高飞在接受采访时表示，选择和蚂蚁一起发布白皮书，就是因为蚂蚁在风控技术上始终保持与时俱进。

但即使是像蚂蚁这样的企业，也吃过风控的苦。

比如说在研发交互式风控技术的最初阶段，假如系统识别到该笔交易存在风险，蚂蚁就会使用简单弹窗方式进行提醒，以此来唤醒用户的安全意识。但相当一部分用户可能会忽视这类提醒，甚至坚定地认为平台「过度担心」降低了自己的使用体验。

像我们所熟知的「杀猪盘」就是一个典型的例子：欺诈方的话术是专门设计过的，甚至行骗的人也受过专业训练。被欺诈方一旦信以为真，就很难劝阻。往往等到转账完成那一刻，或者第二天回想之时，才幡然醒悟、悔之晚矣。

如果换一种提醒方式呢？比如控制转账额度，或延迟到账时间。李俊奎表示，这些方法在刚刚应用的时候确实会产生一定效果，但提升效果比较快会进入平台期，而且还容易导致用户体验下降。

于是，蚂蚁想到了语音的形式。2019 年，支付宝推出了全球首个应用于反欺诈领域的交互式风控产品「叫醒热线」，借助自然语言处理等技术提升 AI 的理解力，与用户更好地沟通，并实现了 AI 机器人在沟通过程中识别用户真实意图的能力，将决策过程扩展到多次对话交互中，然后进行自动劝阻 / 唤醒。

交互式风控技术的颠覆性是显而易见的，因为它能够提升最有效的防护——在损失发生之前中止诈骗。目前，支付宝超过九五成的「叫醒热线」由 AI 打出，成功率超过了此前的人工客服。通过这项技术，对用户是否受骗的识别率提升了 80%。

「蚂蚁的风控技术随着对抗过程的不断深化而逐步发展起来，」李俊奎说，「这些一路探索出来的经验，最终沉淀形成了如今的蚂蚁智能风控技术体系 IMAGE」。

IMAGE 包含 5 大技术系统，分别是交互式主动风控、多方风控、智能对抗、全图风控、端边云协同风控。这些技术实践也印证了《白皮书》所介绍的十大风控技术趋势，因而从蚂蚁的经验里，可以获取这些技术在应用时的大量信息。

最前沿的风控技术，最扎实的落地

比如说，在与用户做交互之前，首先要解决的是识别问题，这就涉及到了图技术。

图技术天然地适合金融。因为风险决策是一个不断对抗升级的过程，从单一事件和孤立行为来分析无法获得准确决策。最近六七年，由于风险形势的高度复杂化，风控流程中的感知、识别、决策、审理、追溯等环节都经历了快速升级演变。

比如跑分平台可以把许多普通用户的账号收集起来，黑产利用这些用户的个人收款码为别人代收款、赚取佣金。再比如，「买卖」双方联合起来把本应该用于拉新促活的消费券薅走，「卖家」收到资金之后不出货, 只是把钱转回去循环利用，如此往复，大量营销费用就打了水漂。

类似上述的风险很难通过单一的时间或空间维度去刻画，而图计算擅长于能够将巨大、复杂、相互关联的数据整理为相连、基于时序的关系图谱。随着大规模图计算技术的应用，风控从若干个单一时间切片纬度的数据，走向基于动态时序的关联图数据，从而实现对风险全链路的、全局关联视角的刻画。

因此，使用图技术提升风控系统能力成为了行业的新趋势。蚂蚁比较早地预判了形势，从 2015 年就投入了图技术研究，先推出了底层自研的图计算平台「Tugraph」，并在此基础上，搭建了业内首个大规模图风控体系，也就是全图风控。

具体而言，蚂蚁的全图风控做了三件事：第一，打造面向全域的风险一张图，关联全部风险域的特征，构建复杂风险特征网络，建立风险隐式特征的全局视图，来解决各个风险域的数据孤岛问题，目前已达万亿级图规模；第二，建立统一的图风控计算框架，在全局视图上动态更新行为操作，使风险特征得以扩散和传播；第三，通过在风险一张图上应用异质图团伙挖掘、属性图聚类等技术，更大范围内挖掘潜在团伙和相似行为模式。

图风控的效果也可从蚂蚁的实践中验证。根据公开报道，凭借该技术，蚂蚁的在线查询耗时控制在 10 毫秒以内，对黑产团伙的检测准确率达到 95% 以上。

「端边云」里的终端安全和边缘计算也是近几年的热门技术，尤其在隐私保护逐渐严格的情况下，包括终端厂商和移动应用在内的多个领域都在探索新的安全技术。早在 2016 年，李俊奎和团队在解决大促期间的算力缺口时发现，当时智能手机的算力已经相当于 3 年前的 PC。就这样，他们开启了端边云协同风控技术的探索。2017 年小程序的兴起加深了蚂蚁对端边云协同风控技术的必要性认知。按照支付宝小程序的规则，所有的用户数据都会保存在小程序开发者的服务器上，端也就成为了唯一的风险防护切入点。

「我们就在想，如果将风控技术部署在智能终端比如手机上，不仅可以提升隐私安全和风险控制，还能减轻云端的计算资源压力。」因此，蚂蚁决定从软硬件结合的层面去布局风控技术，受到保护的不只包括 APP，还涵盖了手机的底层操作系统，是一个生态内双赢的技术。

到了今年上半年，使用该技术的蚂蚁产品「可信隐私沙盒 DTX」面世，并和荣耀、vivo 等手机厂商合作，将该沙盒搭载在手机操作系统里，降低了手机用户数据端向云流动，保护了用户的隐私。这也是业界首个该类产品。

通过对技术的这些提前布局和持续调整、升级，蚂蚁始终将风险保持在业内最低水平线上，从而有效地支持自身的数字业务。2021 年 1 月，支付机构应央行要求公布资损率，支付宝资损率小于千万分之 0.098，远远领先行业。

兵法有云，「故善战者，立于不败之地，而不失敌之败也。」善于打仗的团队，总是预先创造不被战胜的条件。蚂蚁提出的 10 毫秒智能风控，也是面对风险的提前布局逻辑。

和风险赛跑

当我们展望未来的数字化世界，会发现风险将始终与我们共存。如何以风控技术护航行业数字化转型，是个值得多方共同思考的命题。特别是对于中小型金融机构来说，受限于技术积累和人才资源等，从零到一搭建风控体系往往不是性价比最优的方法。

对于这个问题，IDC 中国金融行业研究总监高飞表示，从风控技术层面来说，自我能力的培养一定是很重要的。但中小型的金融机构可以学会借力，在可信的生态环境中，以及在合作伙伴的帮助下，把自己的能力培养起来，而不必付出过多的成本。

更长远地看，风控领域或许将进入「X-as-a-Service」时代。如果这一模式在国内生根发芽，其应用前景的想象空间是相当广阔的。

当前，风控已经成为了金融机构发展的生命线，而这场技术之间、人性之间的对抗或许不会有终点。但要想做成一件有意义的事——比如和风险赛跑，总是需要一点西西弗斯的精神。

「面对风险的不断进化，风控是一个不断上升、持续演进的过程。我们的目标是在这种条件下，不断实现一种动态平衡。」李俊奎总结道。

产业蚂蚁金服智能风控

相关数据

感知技术

知觉或感知是外界刺激作用于感官时，脑对外界的整体的看法和理解，为我们对外界的感官信息进行组织和解释。在认知科学中，也可看作一组程序，包括获取信息、理解信息、筛选信息、组织信息。与感觉不同，知觉反映的是由对象的各样属性及关系构成的整体。

来源：维基百科

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

边缘计算技术

边缘运算（英语：Edge computing），又译为边缘计算，是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据。

来源：Edge Computing: Vision and Challenges

准确率技术

分类模型的正确预测所占的比例。在多类别分类中，准确率的定义为：正确的预测数/样本总数。在二元分类中，准确率的定义为：(真正例数+真负例数)/样本总数

来源：Google ML Glossary

逻辑技术

人工智能领域用逻辑来理解智能推理问题；它可以提供用于分析编程语言的技术，也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑（Propositional Logic ）以及一阶逻辑（FOL）等谓词逻辑。

来源：机器之心

操作系统技术

操作系统（英语：operating system，缩写作 OS）是管理计算机硬件与软件资源的计算机程序，同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

来源：百度百科

查询技术

一般来说，查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域，查询指的是数据库和信息系统对信息检索的精确要求

来源：Wikipedia

自然语言处理技术

自然语言处理（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

来源：维基百科

蚂蚁集团机构

蚂蚁集团是移动支付平台支付宝的母公司，也是全球领先的金融科技开放平台，致力于以科技和创新推动包括金融服务业在内的全球现代服务业的数字化升级，携手合作伙伴为消费者和小微企业提供普惠、绿色、可持续的服务，为世界带来微小而美好的改变。

http://www.antgroup.com

聚类技术

将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。“物以类聚，人以群分”，在自然科学和社会科学中，存在着大量的分类问题。聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法。聚类分析起源于分类学，但是聚类不等于分类。聚类与分类的不同在于，聚类所要求划分的类是未知的。聚类分析内容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。

来源：百度百科