金融风控大模型:从规则对抗到模型对抗

文摘   2023-09-02 21:52   上海  

近年来,黑灰产持续壮大,在零售信贷领域,欺诈在信贷逾期的占比达到40%-70%,众多金融机构遭遇不同程度的信贷损失。金融机构与黑产欺诈的风控战争一直很焦灼,金融机构的运营越来越精细化,风控策略也要随之因人而异;黑灰产也没闲着,用AI技术模拟“真人”骗贷。在AI/AIGC时代,“好人”与“坏人”的识别变得愈发困难。

内外夹击之下,金融机构风控建模的压力越来越大。以前,建一个通用模型能用好几年,风控专家根据欺诈态势灵活调整风控规则,就能抵御绝大部分的欺诈风险。现在,几个月就得升级迭代一次风控模型,不然光靠调整个别规则根本挡不住黑灰产“撸口子”。可以说,风控战争从规则对抗进入了模型对抗时代。在模型对抗时代,敏捷迭代风控模型将成为大势所趋。


但金融机构在风控定制建模,尤其是快速迭代风控模型中面临不少痛点
  • 缺人。专业建模人才匮乏
  • 缺样本。新业务建模面临可训练样本量少或者没有零样本积累
  • 慢。传统建模流程耗时耗力,尤其是专家经验与以往反欺诈知识的归集验证,数据非常多,流程较为漫长
  • 片面。缺乏对模型的多维度泛化性评估,金融机构现有数据建成的模型,可能无法保证在未来客群和市场变化时也能适用


基于行业大模型MaaS,能否让金融机构风控建模加速?



腾讯云金融风控大模型,融合了腾讯安全天御大量风控建模专家的经验以及知识,20多年沉淀的海量欺诈样本与多场景风控模型能力,吃百家饭,学百家艺,通过大量预训练与知识蒸馏方式,帮助金融机构根据自身信贷场景特点与产品客群特征,快速构建定制化的反欺诈风控模型。



简单来说,腾讯云天御将以往积累的多模态风控知识知识蒸馏的方式,通过技术手段加持迁移学习,形成一个类似“知识库”的Foundation model,金融机构借助垂直场景的小量样本提示,就可以自动生成自身业务专属的反欺诈模型,自动识别“好人”和“坏人”。




反欺诈的金融风控大模型具备四个关键技术


1.专家级建模


大模型里已经打包好大量黑产数据与反欺诈知识,自动实现专家级精度风控,金融机构无需专业建模人才,也能高效构建风控模型。



2.全流程自动化


企业可以基于prompt模式,只需要少量提示样本就能自动构建适配自身业务特点的风控模型,从样本收集、模型训练到部署上线的过程不仅全流程零人工参与,缩短建模时间至天



3.解决“小样本”风控难题


对于样本积累有限、新业务上线“零样本”的企业,金融风控大模型可以依靠自己的“知识积累”,高效解决AI训练难题,快速构建泛化能力好、契合业务需求的风控模型体系。



4.360度模型评估


提供超越自身样本的模型评估体系,包含所有的风控模型评估指标,覆盖全金融风控细分场景。


目前,腾讯云天御已经和头部客联合共建了近百个定制化的风控模型。根据测算,基于腾讯云金融风控大模型生产的定制风控模型,相比传统方案反欺诈效果(模型区分度,KS提升了20%。



  • 某金融类客户自身渠道和客群变化比较快,需要不断根据风险变化迭代风控模型,在腾讯金融风控大模型的助力下,实现全流程自动化风控建模,迭代周期从17天缩短至2天。
  • 某银行业务冷启动阶段欺诈样本积累不足,借助腾讯云金融风控大模型应对“小样本”训练难题,基于少量提示样本,迁移得到适配自身业务场景的定制模型,相比于传统的建模方式模型KS性能提升20.5%,在跨场景的泛化性测试上性能提升53%。

互联网大数据处理技术与应用
互联网大数据与安全相关的各种技术,包括爬虫采集提取、大数据语义、挖掘算法、大数据安全、人工智能安全、相关技术平台以及各种应用。同时也会分享相关技术研究和教学的心得体会。
 最新文章