“無科技，不金融”。隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來，科技金融模式不斷創(chuàng)新，但是欺詐手法也在不斷翻新，呈現(xiàn)出專業(yè)化、產(chǎn)業(yè)化、隱蔽化等特點(diǎn)。日前，世界科技開發(fā)者盛會(huì)DeveloperWeek 2019評(píng)選VR、人工智能、金融科技等領(lǐng)域優(yōu)勝者，AI公司DataVisor維擇科技憑借無監(jiān)督機(jī)器學(xué)習(xí)技術(shù)獲得最具投資價(jià)值的科技金融企業(yè)獎(jiǎng)。

無監(jiān)督機(jī)器學(xué)習(xí)技術(shù)是什么，為何會(huì)被認(rèn)為最具投資價(jià)值？它能在科技金融活動(dòng)中起到什么作用？能解決哪些金融交易中的問題？

科技金融反欺詐創(chuàng)新利器

與傳統(tǒng)金融不同，互聯(lián)網(wǎng)金融業(yè)務(wù)大多發(fā)生在線上，往往幾秒鐘就完成審核、申請(qǐng)、放款等，面臨的欺詐風(fēng)險(xiǎn)也是前所未有的。據(jù)統(tǒng)計(jì)，我國網(wǎng)絡(luò)犯罪導(dǎo)致的損失占GDP0．63％，一年損失金額高達(dá)4000多億人民幣。國際上的情況也不樂觀，多份市場(chǎng)研究報(bào)告指出，僅2016年一年，全球信用卡、借記卡、預(yù)付卡和私有品牌支付卡損失就高達(dá)163．1億美元；每年保險(xiǎn)欺詐（不包括健康險(xiǎn)）損失總額預(yù)計(jì)超過400億美元。

“隨著技術(shù)不斷演進(jìn)，針對(duì)金融業(yè)的攻擊、欺詐手段已不同以往。團(tuán)伙作案、分工明確、掌握各種先進(jìn)技術(shù)工具、不斷變化攻擊手段，全新挑戰(zhàn)使得金融企業(yè)越來越難以招架�！盌ataVisor中國區(qū)總經(jīng)理吳中說，金融反欺詐期待創(chuàng)新已成業(yè)內(nèi)共識(shí)。

“無監(jiān)督機(jī)器學(xué)習(xí)是近年才發(fā)展起來的反欺詐手法。目前國內(nèi)反欺詐金融服務(wù)主要是應(yīng)用黑白名單、有監(jiān)督學(xué)習(xí)和無監(jiān)督機(jī)器學(xué)習(xí)的方法來實(shí)現(xiàn)。”愛信諾征信有限公司總經(jīng)理金端峰在接受科技日?qǐng)?bào)記者專訪時(shí)說。

黑白名單被認(rèn)為是最原始的反欺詐方式，類似于“篩選器”。如銀行征信系統(tǒng)就可理解成一個(gè)黑白名單，信用卡多次逾期還款就可能被列入信貸“黑名單”；在淘寶上購買了退貨險(xiǎn)后屢屢退貨，就可能上騙�！昂诿麊巍�。黑白名單是所有反欺詐方法中最簡(jiǎn)單的，但也是更新最慢、成本最高的。

能將異常用戶一網(wǎng)打盡

有監(jiān)督學(xué)習(xí)需要大量有標(biāo)簽數(shù)據(jù)來訓(xùn)練模型，以此來預(yù)測(cè)還未被標(biāo)注的數(shù)據(jù)。以垃圾郵件為例，假如把5000封已由人工確認(rèn)過的垃圾郵件輸入到模型，模型通過對(duì)標(biāo)題的識(shí)別、郵件內(nèi)容句子的分割、關(guān)鍵詞的識(shí)別等各種分析方法，找到其中的內(nèi)在關(guān)系。如標(biāo)題中有“福利”二字的，有90％的可能性是垃圾郵件；一次性發(fā)送超過200封的，有60％的可能性是垃圾郵件；回復(fù)率低于10％的，有70％的可能性是垃圾郵件……于是，當(dāng)模型處理一封新郵件時(shí)，通過檢測(cè)以上各子項(xiàng)，并對(duì)每一子項(xiàng)乘以百分比后相加，就能得出垃圾郵件的可能性。但有監(jiān)督學(xué)習(xí)的弊端是，每個(gè)模型都需要大量訓(xùn)練數(shù)據(jù)以及較長的訓(xùn)練時(shí)間。

“可能你的模型還沒有訓(xùn)練好，欺詐分子已經(jīng)完成欺詐活動(dòng)并尋找下個(gè)目標(biāo)了�！眳侵姓f。

無監(jiān)督機(jī)器學(xué)習(xí)主要方式有聚類和圖形分析。金端峰說，無監(jiān)督無需任何訓(xùn)練數(shù)據(jù)和標(biāo)簽，通過聚類等機(jī)器學(xué)習(xí)算法模型發(fā)現(xiàn)用戶的共性行為，以及用戶和用戶的關(guān)系來檢測(cè)欺詐�！巴ㄟ^無監(jiān)督機(jī)器學(xué)習(xí)分析用戶的共性行為，可以發(fā)現(xiàn)偽裝過的異常用戶，將其一網(wǎng)打盡�！�

何為聚類方式？例如一群用戶注冊(cè)事件，可通過聚類發(fā)現(xiàn)幾個(gè)小群符合某些共性：注冊(cè)時(shí)間集中，都使用了某種操作系統(tǒng)，某一個(gè)瀏覽器版本等。該用戶群中的任何一個(gè)單獨(dú)拿出來分析，看上去都極為正常，如果符合某種超乎尋常的一致性就十分可疑了。比如一群人在凌晨2—3點(diǎn)采用同一款瀏覽器注冊(cè)了同一產(chǎn)品，其IP的前20位相同，GPS定位小于1公里，注冊(cè)后都修改了昵稱和性別等。

現(xiàn)在的金融欺詐都是團(tuán)伙作戰(zhàn)，面對(duì)“化整為零，批量復(fù)制”的欺詐手法，金端峰說，無監(jiān)督算法應(yīng)用于反欺詐檢測(cè)還有一個(gè)優(yōu)勢(shì)，那就是能提前預(yù)警�！艾F(xiàn)在的欺詐分子都有潛伏期，以免太容易被發(fā)現(xiàn)。由于他們?cè)跐摲�期的行為依然符合某種規(guī)律，具有某些一致性，同樣還是會(huì)被無監(jiān)督算法捕捉到。在攻擊發(fā)生前就檢測(cè)出欺詐分子，這一點(diǎn)傳統(tǒng)方法是難以做到的，防患于未然這也是無監(jiān)督機(jī)器學(xué)習(xí)之所以在反欺詐檢測(cè)中大放光彩的重要原因之一�！�

防患于未然及時(shí)預(yù)警

在科技金融活動(dòng)中，無監(jiān)督機(jī)器學(xué)習(xí)能有效防止欺詐行為的發(fā)生并及時(shí)對(duì)用戶發(fā)出預(yù)警，阻止開戶欺詐、欺詐交易、賬號(hào)盜取，發(fā)現(xiàn)洗錢攻擊等，保障正常的金融活動(dòng)。

金端峰舉例說，猛犸反欺詐公司基于非監(jiān)督式的異常檢測(cè)，將數(shù)據(jù)分解為正常趨勢(shì)、隨機(jī)擾動(dòng)和異常情況三部分，并在此基礎(chǔ)上做到設(shè)備、網(wǎng)絡(luò)和用戶三個(gè)層面上的“千人千面”；并根據(jù)用戶間的相互關(guān)聯(lián)構(gòu)造網(wǎng)絡(luò)圖，欺詐者往往團(tuán)體作案，行為表現(xiàn)在網(wǎng)絡(luò)圖中呈現(xiàn)高度一致性和聚集性，與正常用戶明顯不同，因此利用聚類和圖形分析辨別欺詐行為�！拔浵伣鸱�、京東金融等一些高科技互聯(lián)網(wǎng)公司也通過無監(jiān)督機(jī)器學(xué)習(xí)等技術(shù)手段，在金融科技方面取得了良好成績�！�

除了有效防止欺詐行為的發(fā)生，無監(jiān)督機(jī)器學(xué)習(xí)在科技金融領(lǐng)域還能有多種作用。比如通過用戶畫像和大數(shù)據(jù)模型精準(zhǔn)找到用戶，實(shí)現(xiàn)精準(zhǔn)營銷；根據(jù)個(gè)人投資者提供的風(fēng)險(xiǎn)承受水平、收益目標(biāo)以及風(fēng)格偏好等要求，運(yùn)用一系列智能算法及投資組合優(yōu)化等理論模型，為用戶提供最終的投資參考，并依據(jù)市場(chǎng)動(dòng)態(tài)對(duì)資產(chǎn)配置調(diào)整提供建議；投資研究需要收集大量資料，進(jìn)行數(shù)據(jù)分析，報(bào)告撰寫等，通過機(jī)器自主抓取相關(guān)信息，可以輔助決策，甚至自動(dòng)生成投研報(bào)告；利用大數(shù)據(jù)人工智能技術(shù)，可使用海量的多維度數(shù)據(jù)，塑造出高度精細(xì)化的風(fēng)險(xiǎn)控制模型；通過學(xué)習(xí)、積累金融法規(guī)，并結(jié)合金融機(jī)構(gòu)的實(shí)際情況提供合規(guī)建議；機(jī)器還可以從海量的交易數(shù)據(jù)中學(xué)習(xí)知識(shí)和規(guī)則，發(fā)現(xiàn)異常行為，對(duì)洗錢行為進(jìn)行警示等。

應(yīng)用廣泛可進(jìn)行投資預(yù)測(cè)

無監(jiān)督機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用正在不斷深入和擴(kuò)展。愛信諾是上市企業(yè)航天信息股份有限公司的全資子公司，在大數(shù)據(jù)采集、分析和應(yīng)用方面具有突出能力，建成了以稅務(wù)和企業(yè)經(jīng)營數(shù)據(jù)為核心的企業(yè)信用數(shù)據(jù)庫。

金端峰說，其實(shí)，許多大公司都有大型數(shù)據(jù)庫，儲(chǔ)存用戶數(shù)據(jù)信息，通過無監(jiān)督機(jī)器學(xué)習(xí)分析用戶的整體數(shù)據(jù)，就能發(fā)現(xiàn)用戶金融消費(fèi)習(xí)慣的變化、投資偏好等，自動(dòng)發(fā)現(xiàn)市場(chǎng)分類并針對(duì)不同群體用戶推出不同的金融產(chǎn)品�！斑@樣，有針對(duì)性的開發(fā)新市場(chǎng)，減少了盲目投入�！�

此外，根據(jù)客戶國籍、職業(yè)、薪酬、經(jīng)驗(yàn)、行業(yè)、信用記錄等信息，利用無監(jiān)督機(jī)器學(xué)習(xí)技術(shù)來確定客戶的信用風(fēng)險(xiǎn)評(píng)分，甚至是在向客戶提供任何服務(wù)之前就進(jìn)行此類評(píng)定，加快放貸過程，還能避免耗時(shí)而必要的“盡調(diào)”過程。

“隨著機(jī)器學(xué)習(xí)的使用，股票預(yù)測(cè)變得相當(dāng)簡(jiǎn)單�！苯鸲朔逭f，機(jī)器學(xué)習(xí)算法會(huì)利用上市企業(yè)的資產(chǎn)負(fù)債表、損益表等歷史數(shù)據(jù)，進(jìn)行分析，并找出關(guān)系到公司未來發(fā)展的有意義的跡象，進(jìn)行投資預(yù)測(cè)。