強監管下，消費金融、網絡借貸等新金融行業正逐步結束野蠻生長，進入有序合規的發展階段。然而，日漸平靜的行業氛圍背后，欺詐、騙貸等風險波濤暗涌，制約著新金融行業發展。如何在兼顧效率的同時提升風險防控能力，成為新金融行業亟待解決的難題。

相較于傳統金融機構，互聯網金融機構覆蓋的客戶往往缺乏足夠的征信數據。截至2016年，央行個人征信系統所收錄自然人為8.9億，其中只有約4億人有信貸記錄。一些不法分子鉆征信覆蓋的空子，肆無忌憚的逾期、違約，加劇了互聯網消費金融公司風險。

與此同時，互聯網“黑產”興起，騙貸、欺詐等亂象在互聯網金融行業長期難以根治。車行負責人冒充購車客戶騙貸、詐騙團伙利用他人信息套現等新聞屢見報端。內人士指出，當前，消費金融行業約有50%的損失來自于欺詐，欺詐風險極大制約著消費金融發展。

面對利用各類新型作弊軟件層層偽裝的欺詐者，各類互聯網平臺亟待提升風控水平。大數據、云計算、人工智能、區塊鏈等“黑科技”在金融行業的深入應用為互聯網金融行業的風控升級帶來了曙光。

在鳳凰網舉辦的“解密黑科技”研討中，有利網風控中心風控總監王威向記者表示，人臉識別技術在互聯網金融風控中已經有所運用。例如，當“黑產”人員通過悄悄更換綁定銀行卡來套取用戶平臺賬戶的資金時，采用人臉識別等AI技術，可以鑒別換卡操作是否為用戶本人發起。而采用該技術之后，以往平臺需要將近一周完成的人工審核流程可以縮短至一分鐘。

大數據也是互聯網金融領域風控的重要手段。檸檬科技聯合創始人、CTO肖勃飛表示，當前互聯網金融領域風控的主要痛點在于數據不對稱。大數據等可以從全流程解決風控的數據不對稱問題，如在貸前進行實名認證、產品推薦，貸中進行信息校驗、反欺詐、信用評估，貸后信用記錄納入等。

借助科技塑造的風控模型的“天羅地網”，欺詐團伙在網絡上“原形畢露”。肖勃飛舉例稱，“我們關注社會指紋，黑產團伙在設備上有聚集性，往往用相同的手機。”他指出，通過大數據風控模型識別分析銀行卡、手機設備、IP的聚集性及變動情況，以及線上瀏覽、關系網絡的異常狀況，欺詐團伙往往能夠被大數據“揪”出來。

盡管有時客戶表面表現較好，沒有明顯的單位、設備的聚集性，但人工智能有“火眼金睛”。王威舉了一則實際發生的案例，在案例中，盡管欺詐團伙沒有異常行為，但通過人工智能技術對欺詐團伙照片的識別分析，風控模型發現該群體照片背景呈現高度一致，最終平臺反欺詐部門配合公安機關對團伙進行了精準打擊。

不過，肖勃飛指出，由于部分業務本身帶有局域性、集中性等特點，如何提升風控模型準確率，防止“誤傷”也是風控領域的一大“痛點”。“金融業務的風控就是對客戶層次的篩選不斷過濾的過程。”他指出，需要借助大數據、人工智能等建立全流程的客戶篩查與實時跟蹤，從而提升風控模型的準確率。(記者馬文靜)

關鍵詞： 風險 金融