第一財經專訪李旭陽：反詐騙、管控金融風險，騰訊安全發力聯邦學習技術

近年來，金融機構積極擁抱金融科技，大規模的資訊化、網路化建設逐漸開展，依託網路和資訊系統的技術支撐，被更加廣泛地運用於金融機構的內部經營管理之中。

然而，伴隨技術的進步和業務的創新，金融機構在推出更符合客戶需求業務的同時，也將面臨更多的操作風險。順應技術發展趨勢，網路詐騙手段變得更加專業化、公司化、鏈條化，犯罪手段也更加智慧，這就為金融機構的風險管控帶來了巨大挑戰。

近日，騰訊安全副總裁李旭陽在接受第一財經專訪時表示：“聯邦學習將在隱私保護和資料合規的情況下進行內外部的大資料合作，在加強金融機構管控風險能力的同時，有效解決資料應用困局。”

來源：第一財經

記者：易柏伶

做好貸前、貸中、貸後風險管理，是銀行和金融機構關心的核心命題。隨著許多業務由線下轉移至線上，如何從海量線上使用者中篩選出合適的客戶進行放貸讓銀行倍感壓力。

在接受第一財經記者專訪時，騰訊安全副總裁李旭陽表示，聯邦學習的出現成為了解決該難題的“利器”，以資料可用不可見的方式，在資料不出本地的情況下，讓不同利益方資料實現串聯，打破資料孤島，為銀行和金融機構提供更科學的風險管理方式。

“聯邦學習”最早由谷歌科學家H.Brendan McMahan於2016年提出，又名“聯邦機器學習”，能有效幫助多個機構在滿足使用者隱私保護、資料安全和政府法規的要求下進行資料使用和機器學習建模，降低了傳統中心化機器學習帶來的隱私洩露風險和因資料洩露帶來的相應成本。

據瞭解，聯邦學習是基於資料隱私保護的安全計算框架，是一系列技術實現的統稱，為機器學習、深度學習、遷移學習演算法提供安全計算支援。安全底層支援同態加密、秘密共享、雜湊雜湊等多方安全計算機制，演算法層支援多方安全計算模式下的邏輯迴歸、Boosting、聯邦遷移學習等。

假設有兩個不同的企業各自擁有不同資料，按照歐洲GDPR使用者隱私準則，不能粗暴地將雙方資料加以合併。聯邦學習可以做到各個企業的自有資料不出本地，然後透過聯邦系統進行加密機制下的引數交換，即在不違反資料隱私法規情況下，建立一個虛擬的共有模型，這個虛擬模型就好像能達到資料聚合在一起建立的最優模型一樣。但是在建立虛擬模型的時候，資料本身不移動，也不洩露隱私和影響資料合規。這樣，建好的模型在各自的區域僅為本地的目標服務。

李旭陽稱，在海量線上使用者中，要想低成本地篩選客戶，需要應用大資料和AI演算法。騰訊安全利用其多年的網際網路反詐騙技術的積累，為銀行風控體系做多因子，使得銀行在其原有風控體系上進一步提升風控水平。

騰訊反詐騙技術積累的突破可追溯到2015年，騰訊安全反詐騙實驗室和中國聯通達成合作並在深圳開展試點。透過網址雲、號碼雲、APK雲檢測等技術，實驗室將其在號碼雲上多年的經驗移植到打擊電信詐騙上，智慧反電話詐騙盒子“鷹眼”就在那時誕生。

李旭陽介紹，詐騙行為有一些固定的行為模式，反映到資料上來，就能提煉出特徵模型。如在詐騙側，犯罪分子通常聚集在一個窩點、打電話呈批次特性，利用這些地理位置、通話頻率等資料上的特徵，根據話單序列，透過機率事件的計算方法，騰訊反詐騙實驗室可以對詐騙團伙進行識別。

據瞭解，合作期間，深圳聯通訊息詐騙中涉案金額由最初的26%下降到6%，最為嚴重的冒充公檢法詐騙案中，詐騙案件金額降低了80%。

反詐騙技術應用於金融領域，並不是簡單的平移，考慮的因素更多，面臨場景複雜度也更高。李旭陽坦言，“今後利用知識圖譜、大量的機器學習、AI方法來識別金融詐騙的頻率會越來越高。以前偏統計學的小機率事件尚且能透過簡單的平移來做，但現在資料量太大，資料動輒上千維，有用的幾十維，完全利用傳統的方法已經不可行，所以現在基本都用AI的方式處理大資料，幫助銀行進行風控。”

在反詐騙領域，透過網路社交平臺、電話、簡訊等渠道獲取資訊的過程稱為資訊流。假設詐騙成功，後續銀行轉帳等還涉及資金流、人員流和裝置流。“而騰訊、其他網際網路企業，三大運營商，銀行等，每一家的資料因為受政策法律的限制，都不能共享。如果這幾家資料都打通，相對來說做反詐會更容易。”

聯邦學習是一項公開的底層技術，許多網際網路企業都有所佈局。李旭陽表示，未來聯邦學習還將應用到普惠金融的推行中。

8月6日，央行公佈了北京金融科技創新監管第二批11個試點名單，騰訊安全靈鯤與浦發銀行、北京金控共同合作的“多方資料學習‘政融通’線上融資專案”成功入選，成為全國首個基於聯邦學習的普惠金融試點應用。（詳情點選☞騰訊靈鯤成功入選北京金融科技創新監管第二批試點名單）

李旭陽透露，在政府普惠金融領域，騰訊安全後續或將與順德、宜昌、湖州等地合作。在反詐領域，利用其原有黑灰產知識圖譜，未來也會與其他企業達成合作。“比如珍愛網、快手等，透過聯邦學習去發現並抵禦詐騙。”