真实姓名找号码 面对欺诈，AI 能做些什么？

原标题：面对欺诈，AI 能做些什么？

老实巴交的农民林建国怎么也想不到，他有天竟会成为别人眼中的“老赖”，被追债公司逼着还钱。

这还要从前段时间有人来村里招工说起，他和一些村民被要求填一张包含姓名、号、家庭住址等信息的表格，当时为了能快点上工挣钱，大家都没犹豫就填了。

后来他们才知道，这就是一个陷阱，所谓的招工只是幌子，诈骗团伙要的可不是他们廉价的劳动力，而是上面所填的真实信息，通过这些信息来申请，然后刷卡透支，从而让这些信息就变为真金白银。

但从未跟打过交道的林建国们，却从此进入了各大银行的黑名单，背负债务不说，还被抹上了信用污点，连整个村子都被银行归为了欺诈地址。以后在申请、贷款的过程中，如果出现了这个地址，就会很麻烦。

上面这个故事改编自天云大数据 CEO 雷涛对雷锋网所讲的一个真实案例，这其实暴露出银行在传统的信用审核中所遇到的难题，即银行虽然拥有上亿万级的信息，掌握着身份、、设备信息和资产信息等数据，但这种识别已经无法应对日益演进的欺诈技术和模式，而雷涛带领团队正在做的，就是希望能用人工智能的技术，解决这个问题。

面对欺诈，传统的信用审核有哪些短板？

大家在申请时，其实是把自己的数据都提交给银行，以证明我是一个有偿还能力并且守信用的人，银行多年来会有一套自己的辨别系统。

在传统的银行系统里，这些更多的呈现为一种二维的结构，叫关系型。如何理解？我们先来看这样一个例子。

老张和老王两个人准备相互担保进行骗贷，然后一起跑路，在银行传统的风控架构下，这种行为很容易被发现，因为维度很小，可以迅速的通过来查询。

但目前真实的骗贷状况是，老张、老王、老李、老赵、老周的企业形成了一个担保圈，打算集体跑路，当银行现在要做一个5度甚至是6度的查询时，依据传统的计算方式，已经无法解决这个问题了。

在防止欺诈方面，国内目前的风控都是 rule base（规则驱动）的，更多的是根据经验来，抽象出系列规则，每一条规则触发一种欺诈场景，交叉组合相应的业务逻辑来进行判断，由此来做出风控模型。（下图）

但目前，这种方式在效率、有效性、全面性以及成本上都面临问题。与此同时，随着互联网金融的兴起，非现场交易的增多，这种模型会加剧银行风险防控的难度。

雷涛曾接触过很多金融行业的客户，以前，他们看一个进件（申请资料）时，会注重本身是否健康真实，即有没有违约记录，姓名、号、电话号码等信息是否真实，但这还是会出现问题。

比如刚刚讲的案例，村民的信息确实是真的，人也没有出融业的风控发展到今天的趋势，其实会把不同的进件连接起来看深层次的关系，看从中能否发现潜在的风险。

简单来说，就是要在申请和进件之间建立关联，骗子手里的资源有限，他填的电话、地址、推荐人等信息，或多或少会在每天十几万个进建中重复。

我们会把不同的进件连接起来进行识别，在这个过程中增加新的维度，如果有其中一个欺诈电话号码，和他有关系的有好几个进件，那我就会认为它有问题。

雷涛所说的短板，其实就是现有的风控模型对于数据处理能力的不足，这次，他想借力人工智能来解决这个问题。

人工智能做些什么？

对于金融业而言，在信息、数据大爆炸的今天，会面临以下两个问题：

数据利用不充分，致使行销、审批、风险、策略研究、催收部等业务部门系统形成信息孤岛。

那主打“人工智能”的天云，是如何应对这些难题的？

这跟反欺诈又有何关系？

其实在金融行业，多年来积累了一定的数据，无论是人行的个人征信数据，还是部分银行间可以相互流通的数据。（后者的意思是，如果你建行的逾期了，再申请工行的，就会遇到麻烦）

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-74405-1.html