Palantir的研究到金融风控（二）

如今人工智能已在多个领域如金融、零售及汽车等行业取得广泛应用。其中，在金融科技领域具有较为明显的应用场景。因此，在金融科技领域的快速发展使得这一技术的应用已较为成熟。承接上篇文章 Palantir的研究到金融风控（一），我们进一步探讨知识图谱技术如何应用于这一领域。

一、知识图谱能帮金融做什么？

举几个例子：

以股票投研情报分析为例：

基于知识图谱的方法, 从包括招股书、年报、公司公告、券商研究报告以及新闻等半结构化表格和非结构化文本数据中, 系统化地提取公司的股东信息、子公司信息、供应商信息、客户信息以及合作伙伴和竞争对手等关键商业要素。当某个宏观经济事件或企业特定事件发生时, 证券分析师、交易员以及基金公司基金经理等投资研究专业人士可以通过构建的知识图谱进行深入分析, 并做出更为明智的投资决策。例如, 当美国宣布限制向中兴通讯出口的消息发布时, 如果我们能够获取中兴通讯的关键商业网络关系图谱, 在中兴通讯股票停牌期间就能迅速识别出可能受到影响的国内外上市公司, 进而挖掘潜在的投资机会并优化投资组合的风险管理措施。

二、金融知识图谱的数据来源

三、金融领域之风控

在现代金融体系中，风险管理处于核心地位，在探讨人工智能应用于金融市场时就必须提及到金融风控这一关键领域。因此，在深入讨论这些风险管理原则之前，请先系统地了解与之相关的基础知识。

• 风控数据的来源

主要涉及客户授权数据的各个方面

二是人行报告数据，涵盖多种自然属性（如年龄、性别等）、贷款申请（包括申请金额与期限）、还款实力（如收入水平与负债率）、逾期记录（如违约次数与时间跨度）、信用使用情况（如消费频率与金额）、以及抵押物与抵押行为等多种信息。

三是外部征信记录，在多个维度上提供详实的数据支持：包括黑名单及灰区名单、金融相关数据以及网络借贷行为的具体记录；同时涵盖了多维度收入统计资料，并提供了详细的资产情况分析；此外还包括个体消费能力评估依据以及通讯服务详细资料，并深入刻画了社交关系资料等关键要素。

四是机构日常积累的其他合规数据源。

• 风控场景

常见应用场景涵盖贷款业务、交易处理、身份认证流程以及用户开户流程等基础性服务项目；在大数据风控技术的应用方面，则主要围绕以下几个方面进行详细探讨：

信贷场景中为信贷企业防范贷前、贷后等风险事件的发生。通过分析借款人的信用历史及消费行为特征等关键指标数据信息进行初步判断：一方面评估用户的经济实力和道德风险状况；另一方面结合用户的基本信息完成信用等级评定工作。基于此建立完整的风控模型框架并整合多维度的大数据分析资源；通过大数据技术实现精准画像与动态监控进而优化风控决策流程提升整体运营效率。该方案特别适用于互联网金融领域尤其是小微企业金融业务模式下帮助金融机构更好地运用大数据技术提升风险管理效能降低潜在的经济损失与信用风险。

在支付场景中利用高质量的金融黑名单以及丰富的合规数据，在事前阶段运用预测分析，在事中阶段实施监控预警机制，在事后阶段结合关联分析方法构建多层次的风险防控体系。该系统依托海量的风险数据与先进的机器学习技术，在各个运营环节持续监控业务潜在威胁来源，并实现对资金流向异常行为的有效识别（如资金流失、洗钱操作、盗刷交易及网络钓鱼攻击）。与此同时，在用户信息真实性验证方面采取严格措施确保审核流程的安全性，并对可能存在的欺诈行为（如身份信息造假）进行预防性干预措施设计。

在登录及注册场景中综合运用现有的领先风控模型，在登录及注册环节对潜在的账户安全隐患进行实时监控，并及时发出预警提示。通过这种方法能够有效地防止撞库攻击、暴力破解以及垃圾注册等账号安全风险的发生。

通过大数据模型的构建与应用, 企业得以精准定位目标客户群体; 同时, 识别并防范包括虚假交易在内的多种欺诈行为, 从而保障平台交易环境的安全性。

• 创新型应用技术

通过研发与应用风控工具这一手段…全方位挖掘多维度第三方数据价值…从而优化风控能力

基于国际领先的设备识别技术的创新性发展成果——设备指纹系统

身份认证方案。在该方案中整合了数字签名、人脸识别、时空码以及设备指纹等关键安全技术,从而保证了整个流程的安全性和便利性

在移动端和PC端之间实现了良好的平衡，在移动终端和电脑之间实现了良好的兼容性。在这一过程中不需要为用户提供除了智能手机之外的任何额外身份验证设备（例如U盾），从而实现身份验证操作；此外，在这一过程中不需要收集用户的个人信息（例如姓名、身份证号等），从而避免了信息泄露的风险并保护了用户的隐私信息。此外，在这一过程中不需要为用户提供其他的的身份验证设备配置（例如USB存储钥匙），从而降低了由于使用存储钥匙所带来的运维管理负担，并有效降低了银行的业务运营成本

身份认证成功解决了平台用户账号的登录操作、权限授权流程以及转账与汇款操作等关键业务流程中的重复身份验证问题。该系统实现了对所有涉及资金流动的核心业务环节的有效统一管理

实时数据流处理技术作为流式大数据计算的核心方案，在滑动时间窗口的基础上实现了对动态变化的数据进行高效捕捉与分析。通过部署高性能流水线处理架构与分布式缓存系统，在保证低延迟的同时能够实现超高的并发能力与系统的可靠性保障。该系统不仅支持复杂事件检测与分析，并且采用了模块化设计原则以实现各功能组件之间的独立运行能力，在不影响整体性能的前提下提升了系统的扩展性与可管理性。目前该解决方案在实际应用中已展现出优异性能，在单个集群节点平均每秒处理达百万笔数据的情况下仍能保持平均延时仅1毫秒的特点；同时风控系统实现了毫秒级的数据分析处理时效，在实时性上有显著提升并达到了真正的事中风控水平

智能化决策引擎作为核心系统平台，在金融交易领域的应用中具有重要地位。其主要功能是通过实时监控交易行为进行风险评估，并在此基础上实现了对传统交易模式的有效优化。该系统整合了传统规则引擎与先进的人工智能模型引擎技术，在提升交易效率的同时实现了精准的风险预警。在系统架构设计上,我们重点打造了覆盖业务策略全生命周期的统一管理模块,功能包括编辑、部署、运行和监控等核心环节,旨在为企业提供全方位的风险管理解决方案。总体而言,人工智能技术在该系统的应用不仅提升了决策效率,还显著增强了系统的容错能力,为金融机构的风险防控体系提供了强有力的支撑

• 大数据风控解决方案

终端设备及其应用的安全评估方案如下：首先通过设备指纹识别技术为每个终端分配独特的标识符，并对系统运行状态进行全面检查（包括越狱状态验证以及恶意软件兼容性分析）；同时开展针对应用程序的安全审查工作，在初步排查潜在问题的同时主动识别潜在漏洞并收集可疑代码行为以及潜在后门进程的迹象。整个安全评估流程在移动应用启动前自动执行，并与云端安全数据库进行实时对比分析，在评估结束后将扫描结果反馈给相关应用程序管理平台。评估结果将按照风险程度分级展示，并提供相应的防护建议。

基于前沿技术手段构建反欺诈体系，在海量数据的支持下实施分布式并行计算策略与智能管理方案，并结合关联分析、行为建模以及数据挖掘等技术手段有效解决现实中的业务挑战

基于生物识别的技术用于身份认证与交易验证。

智能决策流实现了秒级审批流程的高效运行。近年来，在人工智能快速发展的背景下，机器学习技术也得到了较快的发展。智能决策引擎正是建立在机器学习的基础上实现的。通过海量历史数据对模型进行训练，在客观数据的基础上进行风险把控，从而提升了基于专家规则的传统风控系统的准确率和覆盖率。同时结合大数据技术后，在实时反欺诈方面实现了显著提升——通过低延时和高吞吐量的数据处理能力支撑了实时风控系统，并为模型训练提供了强有力的技术支持。

四、传统的风控建模方式

现有风控建模方法主要基于FICO分数及ABCF模型评估客户信用状况，并且覆盖的数据样本较少，在流程设计与表现形式上通常较为固定化：

五、基于AI和知识图谱的风控

当前与人工智能相关的技术种类繁多，在大数据、机器学习、深度学习以及知识图谱等范畴均处于兴盛阶段；因此有学者致力于构建基于A.I.的金融风险管理体系以实现这一目标。

基于知识图谱构建的数据管理系统中整合多种异构数据源，并通过深度神经网络进行特征提取以及采用机器学习模型构建相应的模型。这一架构在当前技术背景下具有较高的先进性，并且由于各模块的搭建均需要投入较大的资源和时间成本

金融知识图谱风控平台

欢迎关注微信公号：数联未来（zycnb1）