在互联网金融兴起的今天，用户个人还款能力、还款意愿、风险定价，成为金融风控的核心问题。移动金融业务发生着巨大的变化和挑战，一方面，交易渠道由实转虚，获客量增加，交易频繁带来海量非结构化数据，人力无法处理，数据难以被使用；另一方面，客群下沉，风险窗口扩大，众多线上贷款用户无征信数据，市场出现大量身份证交易市场及专业诈骗团伙。

专注于金融反欺诈的初创公司猛犸上周在京召开融资发布会，牛妹现场记录了猛犸的智能风控解决方案。

一、人工智能与风险解决方案相融合

引入机器学习，人工智能技术、提供智能风控解决方案成为金融行业客户比较关注的话题。智能风控结构主要分为以下三部分：

1. 建立语义统一的数据库

金融互联网业务，归根结底主要围绕三个核心对象，用户、终端设备以及账户。通过使用精确的设备及行为生物识别，将不同渠道发起的业务，进行基础数据的语义整合。

2. 形成AI基础能力平台

在统一的基础数据平台之上，利用感知能力做不同实体、对象之间的关联，提取数据特征，构建特征模型，发现关联图谱，最终以机器学习为基础，建立关联分析、生物识别、异常检测的感知思考能力。

3. 建立多层级的智能风控系统

第一层：解决已知问题，计算成本低

黑名单专家人工审核已经成熟，因其计算成本底，这块业务还会一直存在下去，黑名单只要做单词匹配，对规则做简单的计算就可以。但是这些方法只能解决存量问题，解决不了增量问题。

据猛犸反欺诈从金融客户得到的数据显示，现有黑名单解决方式，会把进来的50%客户拒绝掉，有的企业甚至会拒绝掉70%的客户。那么，如果数据是真的，就意味这用户一半以上具有不良意图，金融业务将面临巨大风险；如果数据是假的，企业的获客成本就会降低2-3倍。

第二层 : 解决未知问题，自动适应数据及业务变化

基于传统方法，引入人工智能，能自动判断哪些是新的行为，哪些行为从前未发现，哪些是黑名单中由黑漂白的情况。终端检测设备的指纹技术，会在进行交易前，把用户行为数据综合分析并学习其行为模式。当新的行为模式出现后，分析用户异常情况，并输入到异常检测系统。非监督和半监督式的机器学习引擎，异常检测会做出风险评分，最终输出反馈给规则引擎或黑名单中，反复使用。

二、深耕人工智能反欺诈领域

据猛犸反欺诈创始人张克介绍，猛犸反欺诈主要定位于反欺诈业务，采用全栈被动式设备指纹等核心技术，提供欺诈预防和风险识别的智能化大数据分析。

• ID系统设备指纹

通过大数据机器学习技术，综合设备的协议栈，OS、浏览器以及硬件特征，为每一台物理设备生成不依赖于设备本地ID的设备指纹ID，从而精准标识移动设备。

• 异常行为检测

利用自动知识产权的算法，冷启动：快速发现异常行为，定位欺诈。在实际的反欺诈业务中，数据本身会出现很多问题，比如： 标注数据稀少以及非饱和数据存在，各维度分布不好判断等。监督式的方法很难解决，而利用非监督式的方法，在标注数据较少的情况下，可以主动发现欺诈定位，并对异常行为做聚类，判断更准确。

• 行为生物识别

传统的单次检测登录，基于生理特征，指纹、声纹以及人脸识别等显性手段，虽可做到快速登录，即刻完成验证，但也更容易被黑客攻破。基于单次检测，猛犸反欺诈提出了持续监测行为分析，基于行为特征，无感知地持续对用户身份进行识别，即可优化用户体验又增强了对用户的保护。这种非显性手段，黑客难以模仿攻破。

猛犸反欺诈，因其独有领先的“全栈被动式设备指纹技术”和基于人工智能的反欺诈平台，获得业内人士的广泛认可和关注，并在2017年3月完成DCM领投的5000万A+轮融资，猛犸反欺诈创始人张克表示，“本次融资完成后，猛犸将进入快速增长期。本轮融资所获得资金，将主要用于解决方案的研发，和市场营销体系的建立，同时以金融反欺诈产品为核心，与产业链上下游的伙伴展开深入合作”。