国内目前将人工智能的深度学习技/术与银行反欺诈相结合的成功案/例有哪些？

发布网友 发布时间：2022-04-26 17:10

我来回答

共3个回答

热心网友 时间：2023-10-16 08:46

国内目前将人工智能的深度学习技术与银行反欺诈相结合的应用还比较少，一些征信类公司开始通过提供丰富的外部数据资源来为银行提供反欺诈技术支持。例如前海征信产品部门基于Encoder-Decoder深度学习技术框架设计的智能风控专家机器人，可以应用于银行业风控反欺诈领域，解释贷款产品特性、借款人风险识别、贷款产品*等各类问题，高效智能地服务信贷审批、贷后风控管理和资产组合经理，提升信贷产品审批速度，降低客户违约率，防范贷款欺诈风险。同时，一些金融科技企业也正在与银行合作。例如天云大数据近期就利用其模型算法训练平台（MaximAI）为光大银行提供反欺诈方面的技术支持。基于样本数据进行一站式的模型算法训练、验证以及输出。训练完成的模型算法程序，被输出到欺诈分析引擎中，运行于大数据平台技术上，实现了实时在线对交易数据进行欺诈识别。

热心网友 时间：2023-10-16 08:47

你好，国内目前将人工智能的深度学习技术与银行反欺诈相结合的应用还比较少。一些征信类公司开始通过提供丰富的外部数据资源来为银行提供反欺诈技术支持。
例如：
前海征信产品部门基于Encoder-Decoder深度学习技术框架设计的智能风控专家机器人，可以应用于银行业风控反欺诈领域，解释贷款产品特性、借款人风险识别、贷款产品*等各类问题，高效智能地服务信贷审批、贷后风控管理和资产组合经理，提升信贷产品审批速度，降低客户违约率，防范贷款欺诈风险。
同时，一些金融科技企业也正在与银行合作。例如：
天云大数据近期就利用其模型算法训练平台（MaximAI）为光大银行提供反欺诈方面的技术支持。基于样本数据进行一站式的模型算法训练、验证以及输出。训练完成的模型算法程序，被输出到欺诈分析引擎中，运行于大数据平台技术上，实现了实时在线对交易数据进行欺诈识别。

热心网友 时间：2023-10-16 08:47

伴随移动互联网、云计算的普及，客户行为和消费习惯发生了转变，由此带来的业务形态变化和营销模式创新，使得银行业面临非传统金融企业、跨界互联网公司带来的挑战，传统商业银行急需转型乃至*式创新。
随着业务规模的不断扩张，新业务的风险管理给银行带来了新的挑战：

一方面，业务需求和外部变化迅速，特别是“团伙欺诈”的出现对风控体系提出了更高的要求：早期的风控反欺诈规则仅针对单一的客户，对于个体正常但属于欺诈团伙一份子的情形识别存在难度，而团伙欺诈是金融欺诈攻击中最复杂的欺诈之一，也是目前金融欺诈的新趋势。
另一方面，未知和潜在风险对反欺诈体系的稳定性存在威胁：现有反欺诈规则是基于欺诈发生后构建有针对性反欺诈模型，具有一定滞后性，无法识别未知的欺诈手段，更缺乏对风险传导的防控。
基于金融机构客户的申请、交易、设备等信息，顶象反欺诈解决方案率先将基于深度学习的关联关系图谱技术落地至银行业务场景，通过助力金融机构梳理并构建零售客户关联关系图谱，扩展风险防控的视角和手段，跨越式提升风险防控的效率和有效性。
目前，顶象反欺诈解决方案不仅能够有效识别“个体正常”但属于欺诈和洗钱的团伙、挖掘团伙的特征，将指标和规则应用到决策引擎，提高决策效率，还能基于数据的可视化分析，通过关系的角度解释风险的传导，帮助金融机构实现高效的风险防控。
基于金融机构客户的申请、交易、设备等信息，顶象反欺诈解决方案率先将基于深度学习的关联关系图谱技术落地至银行业务场景，通过助力金融机构梳理并构建零售客户关联关系图谱，扩展风险防控的视角和手段，跨越式提升风险防控的效率和有效性。
目前，顶象反欺诈解决方案不仅能够有效识别“个体正常”但属于欺诈和洗钱的团伙、挖掘团伙的特征，将指标和规则应用到决策引擎，提高决策效率，还能基于数据的可视化分析，通过关系的角度解释风险的传导，帮助金融机构实现高效的风险防控。