近日， KDD x TAIC 2018大会在英国伦敦举行。腾讯云金融风控业务研发负责人李超博士受邀出席大会，并在会上发表了题为《Cloud Security,Underground Industry,and AI in Anti-Fraud》(云安全、网络黑产和 AI 在反欺诈中的应用)的演讲。他指出，在云安全面临巨大挑战的背景下，针对金融行业的网络黑产愈演愈烈。防御一方的反欺诈技术也不断升级，深度学习在风控技术上的应用将使金融行业的反诈骗系统具备更高识别率和精准度。
KDD 国际数据挖掘大会是目前全球数据挖掘领域的最高学术会议，会上所分享议题的学科交叉性强、应用广泛，与会的顶尖专家、学者、工程师等来自统计、机器学习、生物信息学、自然语言处理、高性能计算等众多领域。
李超在 KDD x TAIC 2018大会上发表演讲
金融圈风起云涌 网络黑产的精细化趋势威胁企业安全
近年来中国金融市场发展迅猛。尤其是在互联网时代，金融行业呈现出与不同场景深度结合的显著趋势。在巨大利益驱动下，网络黑产也快速入侵金融行业的支付、消费等各个环节，给企业和用户带来巨大风险。
不仅如此，黑产的精细分工和成熟壮大几乎也让每个企业都无法独善其身。从数据窃取，包装，转卖，到利用泄漏数据进行诈骗，每一环节都存在非常有针对性的犯罪手段。而平台的风控系统一旦出现漏洞就会导致黑产蜂拥而至并造成无法承受的损失。李超对此表示，风险控制是决定金融行业业务生死存亡的关键。
腾讯云天御反欺诈系统不断升级 深度学习探索前沿风控技术
目前金融行业风控的反欺诈系统多使用评分卡模型和集成模型两种风控技术。评分卡模型使用逻辑回归算法对数据进行训练，线上实时响应时间快，但需要进行大量且复杂的特征工程工作才能得到较理想结果。而集成模型运用迭代算法，通过对模型残差的不断修正进而达到更精准的预测，通常比评分卡模型具备更高的准确度。
李超在演讲中表示，深度学习与其说是一种新的算法，更像是一种技术架构，能够将很多传统机器学习的方法有机结合在统一的体系中，在增添模块时无需频繁适配新的算法库。这种灵活架构可以根据具体场景的需要不断增加新的算法模块，更准确地学习大量多维度数据之间的复杂关系。在金融行业风险控制场景下的应用能够提高黑产识别率，使企业平台具备更有效的防御能力。
在演讲中，李超以混合神经网络为例讲解了深度学习的框架和运行机制，即如何对数据进行逐层处理从而做出风险预测。具体来说，混合神经网络将对数据的密集特征进行归一化处理，对数据的类别特征进行嵌入和交叉融合，并对编号特征和时间序列数据进行广义 Word2vec 编码和多层 RNN 模型叠加处理。经过数据降维、特征交叉、特征抽取的逐层处理后，对数据进行 concat 函数运算形成深度神经网络(Deep Neutral Network)从而做出风险预测。
混合神经网络(Hybrid Neural Network)模型
腾讯云将腾讯大数据的庞大数据库通过 AI 深度学习的方式应用到金融反欺诈领域，推出了天御反欺诈系统，通过反欺诈、消息过滤、验证码、活动防刷等能力开放，为金融行业(银行、证券、保险等)提供欺诈识别、金融级身份认证、防止恶意营销、预防“羊毛党”等服务。天御反欺诈系统不仅能够实现超90%的识别率，还能对欺诈行为做全方面的精细刻画。
此外李超在演讲中透露，腾讯云还将在图结构数据和混合神经网络研究方面持续发力，不断增强模型的迁移学习和半监督学习能力，结合腾讯生态的海量数据优势和二十年的黑产对抗经验，帮助金融行业不断进化风控能力。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
