人工智能落地金融领域智能风控带动安防产品技术应用
2019/9/27 10:35   中国安防行业网      关键字:人工智能 金融 智能风控 安防      浏览量:
人工算法进入商业领域后,开始展现普遍性的趋势,尤其在金融业务中表现出较强的适用性,目前人工智能在国内的应用集中在风控、征信及反欺诈领域。人工智能能够结合场景进行产业化落地,离不开以下三个重要前提:
    随着互联网技术的蓬勃发展和金融科技的兴起,智能风控、智能客服的落地条件逐渐成熟,图像识别、活体检测等技术进行身份核实的场景开始变得丰富,为人工智能和金融服务的有机融合创造了有利环境。
  一、智能风控落地的前提
  互联网时代下信息技术和网络技术的广泛渗透,让人类生活进入大数据驱动智能发展、智能认知的阶段。人工算法进入商业领域后,开始展现普遍性的趋势,尤其在金融业务中表现出较强的适用性,目前人工智能在国内的应用集中在风控、征信及反欺诈领域。人工智能能够结合场景进行产业化落地,离不开以下三个重要前提:
  技术基础的完善。在云计算和大数据日趋成熟的背景下,深度学习作为人工智能的关键技术取得了实质性进展。云计算为深度学习提供了平台,大数据为深度学习提供了材料。以云计算为例,在其出现之前,运算能力是一种昂贵的资源,企业无法单独承担此项成本。而在人人接入互联网的时代,数据的运算量水涨船高,大规模数据的训练和计算对CPU量级提升的要求随之而来。云计算服务实现了运算资源的循环和再利用,使得企业成本大大降低。在云计算为企业降低成本2~3个量级的情况下,许多初创公司都可以拥有较强的计算能力。当然,对从事人工智能服务的企业来说,仅仅拥有计算能力是不够的,因为制约技术的因素还来自于数据获取能力和数据加工处理能力,因此数学、统计学、机器算法等决定大规模计算实力的人才必不可少。
  场景的涌现呼唤更先进的技术。人工智能使得机器在一定程度上具备模拟人的功能,批量和个性化服务成为其优势,尤其在需求规模化和复杂化的消费信贷服务中,如何提供优质的用户体验成为痛点。如在小额、微小额的贷款业务中,要求金融机构或平台在短时间内给出某个用户准确的风险评估,或者在一天时间内要完成几十万乃至更多的用户授信--可以预见的是,此类要求只会越来越高、场景也会越来越多,传统刀耕火种的评估方式与现有庞大且层次多样的金融需求完全脱节。拿前文提到的智能投顾来说,其面临的投资机会转瞬即逝,对交易信息的判断处理甚至要求快到毫秒级。场景的需求促使行业使用更合理的算法、更快的计算速度,对新技术的呼唤让人工智能走上舞台。
  数据材料丰富性的提高。人工智能离不开数据,利用数据来支持运算和判断是人工智能的基础。在金融行业,数据的需求同样迫切。在互联网时代背景下,金融消费者聚集的高度碎片化需求规模更加庞大,数据获取成本更加低廉。金融机构和企业可以运用这些数据来进行计算、加工和判断,为用户提供个性化的服务体验,并做出基于数据的智能决策,实现精细化管理,从而进一步推动人工智能技术的应用发展。
  二、智能风控相比传统风控的优势
  传统金融机构采用传统评分卡模型和规则引擎等"强特征"进行风险评分,而智能风控根据履约记录、社交行为、行为偏好、身份信息和设备安全等多方面行为"弱特征"进行用户风险评估。两种风控方式从操作到场景都呈现明显的区别化效应,进入移动互联网时代后,智能风控的优势愈加凸显,成为传统风控的有效补充。
  传统风控已形成标准化的操作方式,首先进行用户身份的判断,然后对用户提供的实物证明材料进行审核。简单来说分为以下几步:首先,通过面签审核用户身份,确认提交材料的真实性。材料包括身份证、户口本、银行流水、工作信息等身份和收入证明。其次,对用户的资产进行评估,决定授信额度,主要是房产、车产等标准抵押物的资产评估。最后,在信用贷款方面,可能会增加其他步骤,比如调查贷款用途、确认交易意愿等。
  侧重人工审核、强调因果关系的传统风控会面临的几个关键问题。首先,传统风控的时间跨度至少以周单位,业务流程需要层层审批,涉及多个人员和环节,导致效率低下;其次,长时间的业务流程,无法及时满足用户资金要求,导致糟糕的用户体验;最后,对于金额较小的业务,传统风控复杂的审核程序导致的高成本使得银行等机构无利可图,从而这部分庞大的市场被放弃。
  智能风控侧重大数据、算法和计算能力,强调数据间的相关关系,其在风控环节中的应用主要有三:计算机视觉和生物特征的识别,即利用人脸识别、指纹识别等活体识别来确认用户身份;反欺诈识别,智能风控利用多维度、多特征的数据预示和反映出用户欺诈的意愿和倾向;正常用户的还款意愿和能力的评估判断。对于交易、社交、居住环境的稳定性等用户行为数据,运用神经网络、决策树、梯度算法、随机森林等先进的机器学习算法进行加工处理。
  智能风控在互联网经济下"规模性"增长的消费金融市场中,捕捉非传统金融数据,增加弱金融相关特征,采用机器建模分析的方法为传统风控进行了非常及时有效的补充。
  三、智能风控中的安防产品技术应用
  近年来,国内的消费需求不断增长,消费金融行业也迎来了大爆发,欺诈风险也开始呈现上升的趋势,因此用户的身份识别以及欺诈风险防护成为了互联网金融风控的重要环节,相比于指纹识别、验证码等,人脸识别在身份验证环节有着更明显的效果,而且具有安全、高效、低成本的特点,人脸识别在金融的作用得到了众多金融机构的支持和认可。可以说,人脸识别技术在互联网金融的应用有着广阔的前景。
  目前,人脸识别在金融的作用最主要是身份验证。金融行业通过结合人脸识别等技术,使得用户可远程通过移动端进行精准远程实名认证,整个认证流程可以在一分钟内完成,无需人工操作,"人、证、卡"验证成本远低于人工验证成本,误识率万分之一条件下通过率96%,远超过人工审核效率。
  人脸识别用于身份验证,功能主要包括:线上真实身份校验,甄别用户提交的注册信息是否正确,是否一致;身份证OCR,自动识别证件信息,姓名、性别等;活体检测,确保在摄像头前的操作用户是活人,能够精准防御PS照片、视频或3D建模等各类非真人人脸攻击;人脸照片的相似对比,利用深度神经网络技术提取人脸图像特征,避免发型、年龄、眼睛、表情等对识别效果的影响,用于与身份证信息获取的网纹照进行比对,获得相似度结果。
  目前人脸识别已成熟应用在银行、P2P网贷、小贷行业、第三方支付、电商等有身份验证需求的业务场景之中,在远程开户、刷脸支付、绑卡核身、账户实名等业务环节有效简化了实名认证的流程,切实解决了线上身份认证的信息真实性和安全性问题,大大降低了互联网金融身份信息的信用风险和技术风险。不夸张地说,未来,人脸识别技术或将成为互联网金融行业的标配。

微信扫描二维码,关注公众号。