前不久，2017年轰动一时的大学生“京东白条”诈骗案做出了一审宣判，汪某等9人冒用他人身份注册京东账号恶意赊购，共诈骗京东金融110余万元商品，数额巨大，已构成诈骗罪，9人被判处10年9个月至1年2个月不等的有期徒刑。
类似案件并非个例，金融风控的风险正在不断加大。据统计，我国网络犯罪导致的损失占GDP 0.63%，一年损失金额高达4000多亿人民币。刚结束的两会上，央行行长易纲指出：央行已经在北上广等10个省市启动了金融科技应用试点，四个重点之一，就是要“强化监管科技应用，提高金融风险甄别、防范和化解能力。针对金融风险隐蔽性高、传染性强、传播快等问题，建立了中国特色金融风险科技管理机制，研发基于机器学习、数据挖掘等技术的监管平台和工具，提升风险探视感知和计划能力”。
作为提供专业银行服务和支付系统的国际金融机构，中国银联拥有世界上第三大支付网络，它和英特尔公司一起，使用基于人工智能和深度学习的人工神经网络搭建风控体系，可以主动、高效、准确地识别风险，更积极、智能地保护自己和客户。
200亿单交易，风控不堪重负
银联的网络是国内唯一一个成功连接全国各地不同银行自动取款机的银行网络，每年处理200亿单支付业务，并且持续增加。这其中包含的支付交易渠道正在变得多种多样，而欺诈威胁也在不断增加，中国银联的风控系统承受的压力也在越来越大。
传统的风控系统，使用预先配置的、基于规则的系统来控制和消除风险。比如一个小便利店中使用的POS 机，金融机构会为其设定一个交易限额规则，一旦出现大额交易，风控系统就会触发警告。然而随着交易量、交易渠道和交易种类的不断增多，这种方式已经难以持续，主要有以下三个原因：
★ 需要投入大量时间和资源增加、调整规则，耗费开发、部署、维护的工时；
★ 为诸如 POS 机这样的交易终端更新规则时，必须停机，有些时候难以实现；
★ 根本上，这是一种被动的方式，因此无法应对未被规则覆盖的威胁。
中国银联电子商务与电子支付国家工程实验室，联合英特尔技术团队一起，基于双方优势，共同开展了基于神经网络的线上欺诈交易侦测模型研究工作。
机器好好学习，风险实时屏蔽
整套神经网络风控系统基于Apache Spark 计算集群，以及 BigDL 深度学习平台，由英特尔设计架构，并提供数据建模、参数调优等方面的支持。平台中有10TB训练数据，100亿训练样本和独特功能。系统使用丰富的算法，识别在大数据集中的非线性特征，提高风险检测准确性。当新的信息更新到系统后，系统通过机器学习来校正检测过程，潜在的异常会被迅速重点关注。
在原有的规则风控系统基础之上，中国银联的人工神经网络智能风控系统利用历史数据，使用机器学习和评估模型，快速分析、聚合和关联数据，从而可以实时判断交易是否合法，实时消除风险。这样一来，不但减少了人工干预的工作量，同时可以提升威胁检测效率，帮助中国银联和客户实时面对未知风险。
值得指出的是：中国银联将风控系统部署在 Cloudera CDH 计算集群中，采用单一平台，从而可以在一个高度安全的环境下，整合、分析所有类型、所有渠道数据。其中，英特尔® 至强处理器强大的性能，以及英特尔团队持续优化 Apache Spark 架构，是成功实施的关键所在。
短短数月，整个人工神经网络智能风控系统就达到了最佳训练模式。与基于规则的风控系统相比，新系统的涵盖率高达 60%，精确率实现了 20%。
强强联手
应用新方法，探索新领域
中国银联的丰富行业经验，结合英特尔公司的独特技术能力，证明了人工智能可以高效应对支付系统的挑战，让风险控制能力融入了更多智能。接下来，中国银联的内部团队就能将更多精力投入到战略项目中，评估如何将分析工具和数据科学应用到其他领域，比如加强用户识别、以及银行和结算系统关键领域的新方法。
閱讀更多 英特爾中國 的文章
