金融詐騙在“智能化升級”，為了幫用戶抵擋“看不見”的風險，315前夕京東金融宣佈為用戶提供100萬元賬戶安全保障；而京東數科自研的智能反欺詐平臺更先行一步，對黑產攻擊防患於未然。這樣的賬戶安全“雙保險”在消費者的每一次交易中都在激烈作戰，但普通用戶卻無法感知到，

南都記者採訪了京東數科風險管理中心和智能風控技術相關負責人，帶你走近智能風控背後的故事。

Part 1 盜刷到底是如何發生的？

南都記者獲悉，京東金融在近日推出的賬戶安全百萬保障是對此前賬戶安全保障的升級，京東金融APP實名認證用戶可免費領取。升級後保障範圍將擴寬，用戶的京東金融賬戶及賬戶綁定銀行卡名下資產或權益都能受到保障。據瞭解，本次保障升級後，用戶的報案操作和平臺反饋時效將得到大幅提升。一旦出現盜刷或疑似盜刷，可以在安全保障權益頁面進行“一鍵報案”。

京東數科賬戶安全險

報案沒有門檻，如果用戶存在道德風險進行報案呢？京東金融平臺如何排查、用戶是否是真實盜刷？京東數科風險管理中心相關負責人張冰向南都記者介紹稱，目前京東數科是通過人工智能模型、風控管理平臺結合安全專家，共同判定用戶的報案是否是一個真實欺詐行為。“當客戶提交報案訴求後，後臺的算法已經在進行實時計算，對其訴求進行判斷。”張冰解釋道。

但需要消費者注意的是，由於當前欺詐方式非常多樣，引起盜刷的原因也不盡相同。“黑產欺詐行為有時候也會涉及到用戶主觀上或被動參與的違規行為，比如用戶可能參與刷單遭受欺詐，導致資金受損，”張冰補充道，“這是不在賬戶安全險的賠付範圍之內的。”

此外，張冰指出，客戶也需加強警惕，提高防範意識，避免多平臺使用同一套密碼，不隨意點擊不明鏈接或未受保護的網絡，不隨意掃描來路不明的二維碼，切勿使用來源不明的軟件。

part 2 從被動防禦到主動打擊

對於消費者感知不到的欺詐行為，單純靠消費者的金融消費安全教育和事後賠付顯然是不夠的，京東金融的賬戶安全保障的底氣來自於其自主研發的智能反欺詐平臺。京東數科智能風控技術相關負責人張元傑拿出了下面這張圖，為南都記者詳解了如何與黑產的暗戰如何開展。

京東數科智能反欺詐平臺

張元傑介紹稱，該平臺由智能反欺詐引擎、自動對抗機器學習平臺、智能可視化與處置平臺和智能安全平臺四大平臺構成，解決多個業務場景的反欺詐問題。

其中最核心的技術突破是以AI為引擎的自動對抗機器學習平臺，其作用是真正的與黑產自動對抗。“反欺詐的難點在於我們在做防守的時候，黑產也在持續攻擊我們，利用高科技手段不斷突破我們原有固化的策略和模型，並且攻擊方式是變化多端、非常迅速的。”張元傑解釋道。

面對不同黑產那麼多攻擊模型如何快速響應迭代？張元傑對南都記者表示，這個問題如果單純靠人工解決是比較滯後的，且資源投入很大，而這個自動對抗機器學習平臺攻克了這一難題。所謂“自動對抗”，指的是採用小樣本學習、圖神經網絡等算法，實現AI代替人工實時捕捉欺詐的動態信息，可達到特徵自動衍生，模型自動選取，策略自動推薦，實現與欺詐團伙的自動對抗。

“整個過程下來，其實更多是一種AI技術平臺與它對抗，大大減少了人力。”張元傑稱，“以前，往往是發生案件或者黑產來到後產生損失後採取防禦方式，而現在我們能夠事先主動出擊，在黑產還沒有完成攻擊動作的過程中，實現精準的打擊。它解決的關鍵性問題是我們從被動防禦到了主動出擊。”

除了自動對抗機器學習平臺，智能可視化與處置平臺也是這個反欺詐平臺的一員“猛將”。據介紹，該平臺的主要職能是“分析”。以往案件數據、案件如何處置的信息都由該平臺進行實時分析、可視化處理，與自動對抗機器學習平臺進行交互，讓AI能不斷學習；與智能安全平臺進行事件訂閱，面對不同欺詐類型自動選取相關的產品組件；這些分析結果用到決策引擎上則能為其提供策略和模型。

Part 3 “無感順滑”哪裡來?

從密碼、指紋到刷臉支付，實際上消費者在前端使用的體驗感一直在不斷提升，毫秒級交易順滑無痕，離不開互聯網安全專家的智能風控支持。這樣的“無感順滑”如何實現？客戶感知不到的風險，程序員來擋下了。

“對好用戶提升體驗，對壞用戶增加作案成本是我們的目標。”張元傑這樣告訴南都記者。“當我們判別這個用戶是個非常安全的用戶，可以讓他用指紋支付甚至用無感支付很容易就通過了。但如果是一個團伙作案嫌疑較大的用戶，我們可能要讓他先進行人臉活體檢測等操作，提高其作案成本。”

但正常用戶和壞用戶都是千人千面的，如今每個作案團伙的作案特徵或者作案手段是不同的，用傳統的規則或者黑名單的方式做行為軌跡判定可能就失效了，這時又需要AI手段出馬了。每個人的行為都有自己的專屬特徵，如果將這些特徵建立起一個的模型數據庫，面臨同類型的特徵或者有相似的行為軌跡，就能事先預判到這種風險，對壞用戶接下來要做的動作進行攔截。

京東數科自研無監督異構圖神經網絡算法HDGI

據張元傑介紹，在此過程中圖神經網絡對這種規模性的黑產攻擊是非常有效的，但對黑產進行超大規模的用戶和社群關係的建模過程中，會面臨很多的問題，比如如何學習這些複雜網絡裡的節點和關係的表徵。“京東數科提出來一種無監督異構的圖神經網絡模型，非常巧妙地解決了這個問題，而且針對5億節點10億條邊規模的圖數據，計算時間能夠達到分鐘級返回，這在業界已經非常領先。”張元傑如是說。

他舉例解釋，一臺設備究竟是正常家庭用戶共用，還是黑產共用這樣一臺設備，運用這個圖計算模型就能挖掘出動態信息來。“如果發現其實是一個正常的家庭在用，這個時候就放過它了，用戶並無感知。但是如果發現這不是一個正常的社群，真的是一個黑產在攻擊，我們會加進來一些止損的操作。”

不過，反欺詐之戰才剛剛開始。張元傑說，風險對抗，欺詐與反欺詐是一個互相不斷博弈的過程。而張冰則補充表示，欺詐團隊的智能化、虛擬化特徵愈發明顯，未來對於平臺的反欺詐能力依然是長期考驗。

對此，張冰認為，反欺詐的對外賦能是提升行業整體反欺詐能力的途徑之一，建立跨行業的協作關係和通過反欺詐聯盟進行信息互通也是當前可行的解決方案。而未來的挑戰在於，儘可能把風險做到最前置，跑贏黑灰產數字化、虛擬化的速度，估計是一場無法停歇下來的戰鬥。

採寫：南都記者熊潤淼

閱讀更多 南方都市報 的文章

關鍵字: 美好，一直在身邊 支付 雙保險