本文轉自【數據觀】；
在數字技術的支撐下，傳統金融行業不斷向線上轉移，金融市場的體量和發展潛力被逐步放大。與此同時，其暴露的風險隱患也與日俱增，欺詐現象層出不窮，欺詐形式紛繁複雜，欺詐手段更是逐步呈現專業化、產業化、隱蔽化、場景化等特徵。《2019中國數字金融反欺詐全景報告》顯示，目前各類金融場景中欺詐行為已超過100種，2018年至2019年，科技金融領域針對客户資料及企業重要業務數據的安全事件比例高達44%。可以説，新的互聯網黑、灰產大軍正在猛烈地撞擊金融行業的風控“大門”，而傳統風控手段顯然已經應對乏力。
據DataVisor維擇科技中國區首席運營官楊居正博士介紹，設置黑白名單、制定風控規則、設計基於有監督機器學習的風控模型是常見的反欺詐手段，在一定程度上能有效對付欺詐行為，但是很多時候這些手段只能起到“亡羊補牢”的作用。黑白名單僅用於檢測，覆蓋率和準確率有限；網絡黑產已然呈現欺詐形態變化快、攻擊呈現出團伙型的特點，傳統規則極易被突破且難以攔截新型欺詐；有監督機器學習不僅需要大量人工標註數據來訓練檢測模型，數據更新還費時費力，在檢測、預防未知的欺詐行為方面終歸“跑”得慢了點。顯然，傳統風控模式已經不能滿足金融行業當下業務中產生的海量數據實時分析和多樣化風險識別的需求。
DataVisor維擇科技中國區首席運營官 楊居正
“風控就像一場貓鼠遊戲，易攻難守，提前識別和阻止欺詐行為非常重要。”楊居正説。如何走在欺詐發生之前，提前對未知風險進行識別及規避是改善金融科技日益增長的風控效能需求同落後的風控模式之間的矛盾的重要課題。
近幾年，“無監督機器學習”的適時出現及活躍可以説為金融風控注入了一針強心劑。作為全球首家將無監督機器學習技術運用到流量檢測的企業，DataVisor維擇科技近年來在打擊網絡黑灰產、助力金融反欺詐方面成績斐然。
截至目前，DataVisor維擇科技在全球範圍內累計處理超過1萬億次用户事件，檢測出超過2億的壞用户，保護了來自全球大型互聯網公司和金融機構的超過45億用户，服務客户包括中國平安、浦發銀行、財付通、字節跳動、京東、美團點評、快手、陌陌等。楊居正表示，這些成績都離不開無監督機器學習的支持。
“無監督機器學習無需輸入數據形成標籤即可使用，不僅如此，它還可以計算出相應的函數來描述‘無標籤’輸入數據之間的隱藏關聯，自動發現新的濫用、盜號和洗錢等欺詐行為。例如，在一羣用户註冊事件中，DataVisor維擇科技UML引擎能通過聚類分析和圖形分析發現其中一些用户在某些維度上有高度相似或者關聯的地方：註冊時間集中，更新賬户信息時間相同，都使用了某操作系統，某一個瀏覽器版本等。如果多個帳户在許多看似不重要的特徵上有很強的關聯性，這就會令人生疑，同時UML引擎也會檢測到這種情況，即使通常情況下，這些行為不會被認為是交易欺詐的重要特徵。”楊居正在2020“數博發佈”活動現場介紹道。
無需標籤和訓練數據，能夠實現實時在眾多濫用、欺詐或洗錢帳户中發現微妙、潛在的模式的無監督機器學習引擎，作為傳統風控的升級補充，無疑能極大提升金融機構在金融管理、排查、監控、預警方面的能力，這也正是其在金融風控領域一時風頭無兩的重要原因。
楊居正坦言，雖然無監督機器學習給智能風控提供了新思路，但是由於技術應用尚不成熟、底層基礎設施尚不完備、行業標準尚有缺失等原因，智能風控行業的發展現狀仍不容樂觀。在數字化和智能化不斷加深的背景下，構建新型風控生態圈需要監管部門、金融機構、用户等各方共同參與，在技術不斷精進的情況下，完善智能風控行業相關規定、促進智能風控行業自律等也應該成為智能風控體系建設的重點發力方向。
談及未來的發展，楊居正表示，DataVisor維擇科技將持續深耕技術，為全球企業提供欺詐檢測服務，同時，也希望藉助如數博會這樣的國際化平台，與更多產業鏈中有特定行業覆蓋的IT使能者、行業解決方案提供商進行通力合作，加快AI產業化進程，為維護金融安全和市場秩序持續貢獻力量。