360数科首席数据科学家沈赟：数据决定模型算法的天花板

9月1日消息，日前，在“2020第二届中国零售金融发展峰会”上，360数科首席数据科学家沈赟就“白户风险”、“身份伪冒”、“中介风险”、“传销风险”、“黑户风险”、“恶意欺诈”、“借新还旧”七大欺诈场景，给出了针对性技术解决方案。

据沈赟表述，针对主动式欺诈，360数科凭借GBST等自研算法，不断优化FTG自适应反欺诈特征体系，在千万级别黑名单库、黑中介库以及数亿白名单库的数据支持下，搭建起涵盖超过18亿关系节点和200亿关系边的金融知识图谱。在全场景反欺诈方面，基于位置、设备、推荐、联系人等关系，360数科建立起关联网络，并利用社群发现、风险传播等无监督算法发现黑产团伙、识别潜在和新型欺诈威胁。利用LBS网格化特征、App2Vec特征等技术加工手段，360数科还提升了深度学习算法的敏感度与精度，挖掘了模型算法的灵活性，即时拦截中介及黑产风险，从而实现有效实现反欺诈。截至2020年6月30日，360数科由于欺诈造成的坏账率为0.2％。

沈赟表示，对于数据科学如何赋能信贷业务，360数科已实现从获客、贷前、贷中到贷后的全生命周期风险管理，有效抵御欺诈攻击。在此过程中，每个阶段都需要大数据与人工智能技术的参与，这也是金融科技区别于传统金融机构的最大原因。

同时，沈赟进一步表示：“反欺诈需要辨别出以骗款为目的黑色产业，在这方面，我们通过构建关系网络，以知识图谱等形式找出风险点。同时，还会维护诸如黑中介电话号码库之类的数据库，通过社交关系网络，找到与黑中介关联上的人，并认作潜在的欺诈风险。”

沈赟称，“针对风险较高客户，我们会提前采取拒绝、调额、调价等风控措施。此外，在实际业务中，我们还会在多个贷中时间点对用户进行重新评估，来预测其多头可能变化的情况。”

据介绍，360数科在贷后环节制定了不同的催收的策略，通过对用户去进行客户和分群，来制定相应的催收方式。沈赟表示，“我们从积累数据，从数据当中去挖掘各种各样的特征，使用机器学习的模型去学习，不断去优化调整这个模型，从而促进业务的发展。从这个角度讲，数据决定了模型算法的天花板。反过来，在业务发展后，我们也可以获得更多的有标签、有指导意义的数据及模型，这是一个不断正向的循环，是整个的建模、数据模型以及业务三者有机的一个融合。”

（免责声明：本网站内容主要来自原创、合作媒体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。 ）

相关阅读