资讯 风控与安全
此为临时链接,仅用于文章预览,将在时失效

对话腾讯安全李超:如何打造银行零售信贷风控「特种部队」?

作者:周蕾
2021/05/31 16:30

对话腾讯安全李超:如何打造银行零售信贷风控「特种部队」?

很多人还没有意识到,“识时务”是一个优秀的智能风控解决方案,必须具备的自我素养。

在风控战场上赢到最后的,必然是那些清晰认识自身和外界,有着发达“感官”,能够迅速摸清战局并自我调整的战队。

“风险决策不是非黑即白,一定是根据对风险的精准量化,对当前大环境的判断,对不同的时间点和状况,不断进行调整。”在腾讯天御反欺诈见过无数黑灰产攻防战的李超这样感慨。

这位曾被行业顶会MICCAI被提名为年轻科学家的博士,三年前就加入腾讯安全团队,着手研发星云风控解决方案,“杀入”金融风控的战场。

这一解决方案的内核,是团队精心打造的T-Sec星云风控平台,腾讯安全天御依托这一平台,成功帮助银行处理了上亿用户的信贷服务,累计守护资金安全超万亿。

在与李超博士的对话中,我们发现,在金融风控需求多样化、解决方案却同质化的今天,从腾讯二十年反欺诈经验中破土而出的星云,它背后的风控理念,其实极具借鉴意义。这支风控“特种部队”自身的成长轨迹和服务经历,也正是互联网信贷近年来变迁演化的缩影。

对话腾讯安全李超:如何打造银行零售信贷风控「特种部队」?

李超,腾讯安全金融风控技术总监、首席科学家

目标:从“人有我有”到“我有人无”

星云风控解决方案的雏形生于2017年底,正是互联网信贷发展如火如荼之时,李超和团队迅速注意到了银行发展数字零售信贷的业务需求。

星云的诞生,就是为了帮助银行构建一套自主可控的互联网信贷风控体系。

李超告诉雷锋网AI金融评论,这一目标从未变过,但星云的具体规划,在这三四年时间里,确实有过路线调整。

早期的星云方案,更具有标准化色彩,“可以帮助银行快速构建一套‘人有我有’的系统,在市场迁移的大趋势下,抓住发展线上信贷的机会。”

星云的“内部构造”中,就有风险评分类SaaS服务,和数字化风控PaaS平台,方案打通数据采集、数据清洗、特征加工、规则模型、顶层场景的各个模块,整体以一站式、端到端的设计,协助银行迅速完成业务构建。

随着时间推移,互联网信贷赛道已经变成了充分竞争的市场,入局者众,这时如何充分发挥定制化能力,帮助银行形成更强的差异化竞争优势,从中脱颖而出,就成为了星云新的头号任务。

考虑到风控场景的复杂、多样性,在标准产品方案之外,腾讯安全天御也会让风控专家为客户提供风控场景的咨询和服务,定向输出一批定制化方案。

风控SaaS服务也会通过隐私计算技术进行定制建模,将腾讯系统的黑产对抗感知能力和客户的场景进行深度融合,形成针对性的精准风险量化评估。

时间,风控的最大变数

不过,要提升银行的风控“即战力”,业界往往会讨论起模型准确性、算法先进性,但这未免太过偏颇,就如同战场上绝不可能纯靠一支八倍镜就锁定胜局。

时间,可能才是这场战事里的最大变数。

纵观互联网信贷的发展历程,起初,时间的重要性更多体现在传统线下信贷业务向线上跃迁,借助AI的力量从人工审批进化到实时秒批秒贷。

而现在,这种争分夺秒更指向动态风险管理的概念,“识时务”才是一个优秀风控解决方案应有的素质。

“风险决策不是非黑即白,一定是根据对风险的精准量化,对当前大环境的判断,对不同的时间点和状况,不断进行调整。”

“也就是能够及时感知到风险的变化和差异,并且做出相应的决策,包括进件个体、自身大盘、不同渠道的风险,以及宏观环境和经济形势的变化。”李超这样解释动态风险管理。

他进一步指出,在新兴互联网业务中,黑产极其活跃,如果没有完善的监控告警机制,没有及时感知和响应重大风险,对新业务的打击可能是毁灭性的。

这也正是为什么在星云风控平台身上,对实时、即时、及时的重视,随处可见。华夏银行也曾表示,在与腾讯安全天御合作的过程中,对风险提前感知的场景,给他们留下了深刻印象。

雷锋网(公众号:雷锋网)AI金融评论注意到,星云将流式计算应用于特征加工和实时决策等环节,从而能支持灵活配置风控策略与决策流,实时响应业务风控政策的变迁,也可以根据实际业务场景、地域分布等限定条件灵活部署。

流式计算等技术的采用,通常被认为能够打破时间窗口的限制,实时性是其最大优势,这也意味着星云在面对最近一段时间诞生的“新数据”时,快速处理和分析的能力都大大提升。

李超透露,目前的星云方案可以让所有业务之间的通信,都经过流式计算处理后的信息流,保证可以360°感知业务风险全貌。

同时,也可以基于这样的信息流,构建实时风控数据报表。以往的报表呈现,需要先线下完成数据的抽取和整理,现在可以通过实时构建的报表,直接感知到数分钟甚至几秒钟前的最新业务情况。

不过李超也指出,数据处理实时性的提升,也意味着对资源消耗、数据容量的考验,如果把较长时间的数据都入流计算,反而会大大影响系统整体效率、成本相应增加。

因此,团队采用了“大小窗”的方式,例如将数天之前的“旧数据”预加载好,“新数据”采用流式计算处理,充分发挥实时处理和离线处理的各自优势,让整个风控体系的效率再进一步。

此外,星云平台也支持在线模型的部署、名单管理,变量中心具备数据可视化进行自定义二次加工能力,衍生丰富的特征;策略、模型和变量也可以完成在线更新,无需下线之后再发布,种种细节保证银行风控尽可能跟上信贷展业的脚步。

还有什么让星云“脱颖而出”?

真正把星云与市面上常见的风控解决方案区分开来的,其实不只对时间的“敏锐”这一特点。

李超就表示,腾讯安全天御的风控反欺诈“作战经验”,为星云提供了不小的先发优势。

网络黑灰产是所有线上业务最大的风险来源,目前中国的网络黑产从业人员有近200万,与黑产对抗需要专业的对抗能力和技术体系。

过去二十余年中,腾讯一直服务于互联网行业,作为与黑产对抗的排头兵,沉淀出了一支专业的黑产挖掘对抗团队和一套完善的黑产手法分析,情报收集,和实时感知检测的体系。这些能力是保障星云业务能够健康增长的坚实根基。

同时,风控建设很多时候牵扯到银行数字化转型的整体规划,此时腾讯云在技术生态和产品体系上的完善就显得格外重要。

李超透露,他们与客户之间不只是信贷风控上的合作,在营销风控,身份安全,以及至获客方面,腾讯云都有成熟完整的方案。

不仅如此,针对目前很多银行整体零售数字化转型,腾讯云的TCE全栈专有云,或是企业级分布式数据库TDSQL等基础能力,能满足银行全方位的需求。

比起单一的风控方案输出,星云携“配套设施”而来,为银行带来腾讯在大规模互联网业务方面的深厚IT积累,也让银行的风控体系能在更“熟悉”的土壤之上顺利长成。

近年来备受关注的隐私计算技术,也被嵌在了星云深处。这一前沿技术让团队在服务银行时,可以更及时完成风险决策的定制化,多方数据也有机会在此兼容、发挥共同价值。

腾讯安全其实早已开展相关技术研发,去年就上线过联邦学习的应用,主要用于银行信用卡反欺诈等场景,李超也曾做客雷锋网AI金融评论主办的联邦学习公开课,详细解读联邦学习+金融风控的运用逻辑。他表示,当团队需要与银行进行深度模型定制,但银行数据又不轻易出本地,这正是联邦学习的“用武之地”。

李超还告诉AI金融评论,具有丰富风控经验的金融行业专家资源,是星云的必备配置;在服务众多客户之后,团队也形成了独有的“更广阔的横向视角”,对行业最新趋势感知及时,某种程度上也使得星云具备了“联防联控”的效果。

值得一提的是,有时技术服务商给出的解决方案,核心部分采用黑盒模式交付,但银行对此很难放心。

加上监管层一直强调银行独立风控的重要性,保证银行对风控体系的“自主可控”,也就成为了风控服务商们的“必修课”。

李超表示,腾讯安全天御团队会将所提供的服务,源码开放给客户方,所有基于服务开发的策略都是透明可查,很多客户也在与腾讯的合作中,逐渐搭建起了自己的风控团队和风险管理能力,成为行内的宝贵资产。

对话腾讯安全李超:如何打造银行零售信贷风控「特种部队」?

目前,星云不光应用于借贷风控和交易风控两大常见场景,还能用于智能风险管控中台这一场景。

为何一个风控平台却要以中台的形式呈现?二者的区别何在?李超解释称,星云本身是更垂直的解决方案,针对零售信贷业务而生,但并不是只能用于信贷,风控能力同样可以“复制粘贴”到其他场景。

而风控中台更多是横向“贯穿”银行各个业务和场景,从过去以账户中心的风险管理,转变为以用户为中心的风险管理,形成顶层设计,统一视角,协同防护的能力。

他指出,部分银行其实已经陆续做过一些数字化风控建设,但往往是“烟囱式建筑”,他们迫切需要将烟囱之间串联起来,中台正好能协助原有的“建筑”变成稳固的“地基”。这种先横向构建、再基于中台做业务搭建,也是很多规模较大的城商行的首选。

今后,星云也会在银行的运营、营销等多个金融服务环节中发光发热。AI金融评论此前也曾报道,腾讯安全天御已经在营销风控领域有所收获,其风控能力帮助某股份制银行开展营销活动,精准识别和打击黑产,识别恶意率高达99%以上,确保银行的营销资源没有被黑产套利,而是被精准投射到客户手中。

(推荐阅读:《和欧美老牌风控巨头齐名,腾讯安全天御做对了什么?》

定位、适配、稳定性、冷启动……那些待解的风控难题

跳出星云,我们也与李超深入讨论了风险管理一个永恒的命题:

风控与业务增长、与用户体验,怎么平衡天平的两端?

李超分析称,很多银行做传统线下业务的时候,流量成本是忽略不计的,通常只是计算门店的运营成本,银行可以优中选优,精选最放心的客群来做业务。

但在线上化、数字化的时代,获客成本、风控和业务增长之间的矛盾,被更具体地量化和放大,“如果再用粗放式手法挑选客户,实际上是对营销成本的巨大浪费,导致业务无法生成一个清晰可行的盈利模型。”李超说。

如何平衡,其实没有唯一答案,只有适合自己的最优解。

在他看来,想要端稳这碗水,核心在于风险策略的选择上,也在于风险量化的能力上,在于能否找准自家产品的风险定位,能否认清当前业务的风险水位。

一套风控决策流程也非常体现行业知识的积累,基于对风险的精准判断来给出差异化的动态决策。星云的设计思路和技术细节,也正蕴含了这些风险理念。

而对于智能风控的趋势,李超也给出了他的详细观点:

第一,在样本量有限的情况下如何保证风控模型的稳定性,将会是需要持续加强的技术问题。

他指出,信贷业务场景中,收集样本的周期非常漫长,尤其是在银行这样的传统金融机构,风险偏好更趋保守,更不可能大规模收集坏样本,但样本量不足又会影响风控建模的效果,因此迁移学习等技术,将会是弥补样本量不足的重要手段之一。

第二,则是前文所述的动态风险管理问题,借助技术手段提高风控模型与业务、与行业的适配性

第三,正如星云对联邦学习的采用,隐私计算在风控中的应用将会愈加广泛,让模型持续更新,保证风控评分的提供方与业务方之间有良好的联动。

李超同时还强调,零启动/冷启动是信贷风控中普遍存在的问题。

他表示,信贷业务场景中,收集样本的周期非常漫长,尤其是在银行这样的传统金融机构,风险偏好更趋保守,更不可能大规模收集坏样本,但样本量不足又会影响风控建模的效果,因此迁移学习等技术,将会是弥补样本量不足的重要手段之一。

结语

回过头看,互联网金融“大爆炸”的时代,也是大数据风控茁壮发展的时代。

但巨大流量带来的高速增长的业绩,将金融服务粗放式经营的“顽疾”掩盖。金融人往往手握大量数据、规则和算法,却没有读懂真正的风险管理。

机构很多时候不够实时了解客户,也没有找到风险与回报的平衡点,以为数据量越多、维度越全,就是更好的数据,就能实现最好的风控效果。

如今互联网金融业务经历一轮接一轮的强监管,持牌金融机构也要面临合规治理,创新金融业务的风险亟待出清,利用技术手段协助机构达到金融风控的合规性,提升自动化、专业性、时效性、包容性、协调性,必然成为后续智能风控的主题。

而星云也正如它的名字一样,在腾讯庞大完备的技术生态和天御的反欺诈经验中“凝聚成云”,见证过互联网信贷与大数据风控的起起落落。这样一支“特种部队”,在金融科技强监管的时代里,还能为银行们带来怎样的风控成绩?我们静候其变。

封面图片来源:电影《拆弹专家2》

文章点评
相关文章