反欺诈一直是信贷风控的核心问题，越来越多金融机构力求通过反欺诈技术的突破进一步降低欺诈损失。利用人工智能、大数据等技术，帮助信贷行业解决以上的问题，一直是众安科技风控反欺诈团队的出发点和原动力。7月26日，众安科技智能风控产品总监侯小江在直播中剖析并分享了如何构建高效智能的反欺诈和策略体系。我们提取了直播内容的精华之处，在此分享给大家，欢迎留言与讨论~
一、理解AI信贷风控反欺诈
理解AI信贷风控反欺诈，首先要从两个方面入手，一是智能，二是欺诈。在厘清了这两方面的含义的基础之上，大家才能深入了解风控体系的模块和架构。
（一）智能
理解AI信贷风控反欺诈，首先要从两个方面入手，一是智能，二是欺诈。首先说智能，如何判定智能，衡量标准是什么，主要体现在两点，高效性和预测性。高效体现在是否有系统能够支撑数据的实时传输、数据反馈机制是否通畅以及结果验证机制是否及时；预测性，顾名思义，就是风控反欺诈体系能否起到预测客户未来表现的作用，而需要实现预测功能，需要做到根据特征去刻画风险，这其中包含了一个降维的过程，即根据我们总结的欺诈特征，去识别客户的风险，并且根据反馈结果会进行识别过程的纠正，同时具备自动识别部分异常特征的能力。
（二）欺诈
要理解欺诈，同样也从两个方面，也就是具象和抽象的定义去理解。欺诈的具象定义，比较容易理解，即客户是否有明确的欺诈行为能被量化定性，比如客户的信息是否真实，是否证件被他人盗用申请，是否和内部人员有勾结骗取贷款的行为等等，这些都可以通过多维度去明确的判断，而抽象定义，则需要更多的去从真实性以及意愿方面判断，比如客户的业务是否真实，客户的还款意愿，是否足够。如果一个贷款客户，通过大数据核查发现之前已经在多个借贷平台都借过款，当前已经负债累累，或者在填写相关资料时，耗时过长，反复修改，都可以用来判断该客户的还款意愿。
（三）热点问题
1、智能反欺诈能否取代人。
短期内必然是不可能的，而且也并不是必要的，智能的运用，最终目的是服务于人，是一个人工与智能结合的方向，而并不是依靠智能去取代人力。
2、智能反欺诈的具体含义。
以人为结论作为学习导向，不断高效提升从欺诈特征到欺诈行为的判定预测性，这也印证了上一个问题，智能是用来服务于人的。
3、除了人工判定，是否还有其他途径定义欺诈。
上文也提过，除了可以被量化定性的欺诈具象定义外，抽象定义也是欺诈判定的一个手段，未来的欺诈将更多的通过抽象角度思考定义。
4、欺诈样本量过少，如何扩充。
实际贷后暴露的欺诈客户量过少，不具备建模条件的话，可以用贷前拒绝的客户来补充，并且在实际业务中，可以选择性的放过小量客户用作验证组。
5、究竟做到什么样的程度才算智能反欺诈。
智能反欺诈没有终点，因此，门槛的构建就成为了一个判断标准，是否具备了完整的智能反欺诈体系，形成链路闭环，同时具备不断优化的能力，是我们认为的一个门槛标准。
二、智能反欺诈体系构建及难点
上文说到，智能反欺诈的门槛标准在于体系的建立，该章节我们重点介绍智能反欺诈的体系，需要具备哪些功能模块，才能称之为体系。
实时风控系统：客户发起申请后，实时风控系统需要对客户提交的信息进行审核，并提取相关特征进行反欺诈特征识别，特征可以分为欺诈特征和个人特征。
实时反欺诈策略模块：针对风控系统提取的特征进行实时的反欺诈策略判断，并根据不同结果配置对应的措施，例如策略判定欺诈行为严重的客户给予直接拒件的操作，欺诈行为中等的客户转人工审核等等。
策略监控体系模块：该模块应分为实时监控和离线监控，实时监控对于策略命中的分布情况具备实时的反馈功能，并设置相关报警，离线监控针对整体的客群或贷后表现进行监控，并定期反馈监控结果，以供策略模块的调整。
反欺诈审理分析平台：对于风控系统提取的客户特征，需要形成系统化的分析分类、跟踪监控以及信息回流，这些功能也就构建了反欺诈审理分析平台，通过审理分析模块去不断的强化欺诈特征的识别、客户画像的刻画，通过打标分类模块识别客户的高危欺诈特征，通过跟踪监控去针对一些关注类客户或者下探类客户形成持续监控机制，提早人工介入催收，通过信息回流将人工信息反馈至分析平台。
智能学习平台：通过反欺诈审理分析平台产出的分析结果，最终需要以策略或者模型的形式展现并运用在业务中，因此需要打造智能学习平台，该平台应具备多种算法的集成以及自主训练功能，可以定期的根据审理分析的结果数据，构建并优化模型策略，并将成果推送至实时反欺诈策略模块，运用在业务中，同时也能产出特征分析报告供分析师查阅使用。
通过以上几个功能模块的构建组合，就形成了智能反欺诈的一个体系雏形，该体系从客户进件-风控审核-监控跟踪-优化反馈，形成了流程闭环，较为完整的发挥了智能发欺诈的各项功能。
那么在构建的过程中，难点会主要体现以下三个方面：
各功能模块的搭建及联通
1、风控系统需支持特征变量的实时衍生及数据回流，以及决策的热部署和实时切流等功能。
2、审理分析平台需整合多渠道数据进行分析，并且支持便捷的人工审理打标签的功能。
3、智能学习平台需集成丰富的分析算法及脚本，并具备智能的自我训练优化机制。
4、三个系统平台间的联动交互，需无缝打通，并且做到数据同步。
专业的欺诈审理以及策略团队
1、需培训专业的欺诈审理人员，能够规范熟练的使用审理分析平台进行作业。
2、需培训反欺诈策略团队，搭建反欺诈策略体系及策略运营机制。
欺诈特征工程的设计与搭建
1、按类目进行欺诈特征框架的设计，结合实际情况有计划的进行欺诈特征扩充。
2、特征工程的深耕，尤其部分依赖复杂算法进行衍生的特征。
三、欺诈特征工程实例：群组欺诈
上面提到了我们在构建智能反欺诈体系过程中的几个难点，其中有一个就是欺诈特征工程的设计与搭建，我们将在本环节举个例子帮助大家去理解具体什么是欺诈特征工程。
以群组欺诈举例，在一项业务的开展过程中，每天会有大量的客户进入，在这些客户中，可能会有欺诈团伙的存在，我们如何去定位识别这些团伙，并且未来能否形成成熟的机制去防范类似团伙，这些其实都是属于欺诈特征工程的功能范围。
首先，针对每一笔申请客户，我们需要算法去进行群组、社区、特征的关联，识别这个客户是否存在可能的团伙关联，接着，将多个客户形成识别出的团伙提炼特征，比如个体画像、群体画像、业务结果等，然后通过多维度特征的组合，就会形成我们所说的欺诈特征，比如这个群体的征信白户率、户籍地、平均入网时长、逾期率等等，这样也就构建出了我们的判断依据，并可以将这些结果反馈在反欺诈策略上并实际运用在业务进件审核中。这就初步完成了一个群组欺诈特征工程设计搭建，随着数据量和数据维度的增多，数据挖掘的潜力将会越来越大，因此这也是我们为什么说，风控反欺诈没有终点，只有门槛的原因。
感谢大家的观看，如果有想进一步了解风控反欺诈或者我们众安的产品，欢迎通过公众号与我们取得联系，谢谢！
扫描下方二维码，回看直播视频
