**摘要**：以“數字金融新原力(The New Force of Digital Finance)”為主題，螞蟻金服ATEC城市峰會於2019年1月4日上海如期舉辦。金融智慧專場分論壇上，螞蟻金服資料技術專家王修坤做了主題為《實時智慧決策引擎在螞蟻金服風險管理中的實踐》的精彩分享。
在演講中，王修坤分享了網際網路保險產品場景化、高頻化和碎片化的典型特徵以及在風險控制方面所面臨的諸多挑戰，併為大家介紹了實時智慧決策引擎在螞蟻金服風險管理中的實踐。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190223181508319.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDMyNjU4OQ==,size_16,color_FFFFFF,t_70)
王修坤 螞蟻金服保險事業群資料技術專家

我們團隊先後推出保障消費者退貨權益的退貨運費險、保障支付寶資金資金安全的賬號安全險以及基於AI模型的車險定損產品的定損寶等，這些產品背後都離不開資料能力支撐，本文將簡單分享過去一年風控相關工作。

## 網際網路保險特徵：場景化、高頻化、碎片化

分享之前，簡單介紹一下網際網路保險的三個典型特徵：場景化、高頻化、碎片化。

- 場景化：我們的產品覆蓋了我們的衣食住行各方面，“衣”有保障服飾質量的質量保證保險，“食”有保障食品安全的食品安全險，“住”有提供信用住的擔保保險，“行”有提供騎行意外險等；
 - 高頻化：網際網路的便捷可以幫助我們透過產品可以同我們的使用者高頻互動，提供優質體驗；
 - 碎片化：相比較傳統保險，我們可以隨時投保、分期繳納保費；
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190223181702614.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDMyNjU4OQ==,size_16,color_FFFFFF,t_70)

## 風控所面臨的問題

**風控場景複雜：** 我們的產品覆蓋了衣食住行方方面面，如何再大量不同場景下建立合適的風控解決方案。

**風險規模聚集：** 網際網路為使用者提供便捷的同時，也可能給不法分子提供了便捷，從而使得相比較傳統場景，風控能力表現尤為重要。

**風險變異高頻：** 網際網路的試錯成本較低，這使得對手能夠不斷地去驗證保險產品的風控策略，並尋找產品的弱點和漏洞，透過高頻變異來想法設法繞開保險產品的風控規則。

**實時風控能力：** 我們在提供實時理賠的極致服務體驗同時，背後就需要實時風控能力保駕護航。

## 實時智慧決策平臺

那麼，如何解決上述問題和挑戰呢？在過去的一年中，我們基於實時智慧決策平臺DecisionX構建了一站式風控解決方案。實時智慧決策平臺DecisionX不僅能夠支援整個風控全鏈路的工作，還可以支援包括決策、開發、管理、運維以及後端分析、監控等在內的所有工作。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190223181816786.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDMyNjU4OQ==,size_16,color_FFFFFF,t_70)

## 全鏈路風控解決方案
在過去一年裡，我們基於實時智慧決策平臺DecisionX建設了從風險監控、風險識別、風險分析到知識沉澱的全鏈路解決方案。風險監控幫助我們從宏觀層面把握風險態勢；風險識別幫助我們從微觀層面感知風險；發現可疑風險之後，我們需要進行對風險拆解分析，定性風險；完成案件分析後，需要挖掘特徵從而最佳化提升風控能力。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190223181835958.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDMyNjU4OQ==,size_16,color_FFFFFF,t_70)

## 實時智慧決策平臺對於演算法的支援

除了上述全鏈路風控解決方案能夠很好支援以外，DecisionX還在垂直深度提供優質的解決方案，接下來舉例說明如何提供AI演算法能力支援。

## 關係異常識別

基於關係的圖演算法模型是保險風控反欺詐的一個比較有效的能力，如何基於圖演算法進行社群識別是我們面對的一種重要工作，下面幾種常用演算法：

- 標籤傳播：一種可以基於網路關係，根據標籤資料節點和無標籤資料節點，透過傳播標籤從而達到對社群關係的圈定和識別。
 - 異常網路結構識別：透過提煉各種風險的網路結構特徵，透過尋找類似網路結構特徵，從而識別相似可疑的社群內容。
 - 關係表徵：除了上述方法以外，透過圖關係表徵相關演算法，可疑將關係特徵向量化，從而可以融入傳統機器學習進行模型訓練。

除了上述場景之外，螞蟻還做了很多關係層面的嘗試，這裡不再贅述了。所以，DecisionX幫助我們連線關係演算法，有效地提升風控能力。

## 異常圖片識別

保險理賠需要上傳材料，利用材料造假是騙保的一個重要手段，因此我們也基於圖片研究了多種風控能力：

- 圖片特徵相似：透過影像識別演算法識別理賠圖片中是否存在相似特徵等，再結合其它特徵綜合判斷材料是否虛假等。
 - 目標物體分類：透過影像識別演算法識別圖片目標物體，過濾明顯不符合理賠材料需求的無效材料，減少人工稽核成本等。

## 案例分析

這裡舉一個2B產品的例子，該產品可以為使用者提供履約擔保，從而幫助使用者解決繳納保證金的痛點，但是對於信用偏低的使用者提供了“機會”，所以產品上線之後，前前後後多次受到了大批次攻擊。去年，我們重新建設了這款產品的風控體系，一方面基於平臺建設了風險監控預警能力，解決風險感知薄弱滯後問題，一方面基於平臺建設基於異常識別演算法、圖挖掘演算法、隱案挖掘演算法等建設風險識別能力，最後基於平臺提供的解決方案部署風控能力，從而有效減少騙保風險。新風控方案上線後兩個月，在覆蓋人群更大的情況下，使得案件量大約下降90%，從而良性發展創造了很多可能性。

我們還有很多保險反欺詐場景，包括大家熟知運費險、賬號安全險等，我們開發了多種型別的風控原子能力，在多元化場景上篩選組合配置，從而形成各類產品的風控手段。總之，任何產品的風控都是一個持續對抗的過程。也正是因為有對手的存在，所以成就了現在的我們。
點選[閱讀更多](https://tech.antfin.com/articles?chInfo=zh)，檢視更多詳情

實時智慧決策引擎在螞蟻金服風險管理中的實踐

相關文章