盒子支付闫俊玲:大数据时代的反欺诈策略
移动支付网 2017/11/22 10:15:41

11月15日,由移动支付网、北京移动金融产业联盟共同主办的2017第二届中国移动金融安全大会在深圳召开,大会以“云&端兼顾,新科技守护安全”为主题,深度探讨金融科技时代,终端安全、数据安全以及不同场景之下的安全应用。深圳盒子支付信息技术有限公司风险管理部总监闫俊玲以《我是谁:没有绝对安全的系统》为主题,从传统风控和大数据风控的规则和建模原理,探讨如何做好反欺诈工作。

闫俊玲指出,由个人信息泄露产生的欺诈,对应的是较小成本获得高额的回报,而目前已知的国内个人信息泄露数已达到55.3亿条,平均每人有4条相关信息被泄露,个人信息泄露风险形势十分严峻,因此,对于支付产业链的任何一方而言,在信息安全和隐私保护方面的工作都任重而道远。对此她在会上也提出保护信息安全的两个建议:一方面要加强自身信息系统安全建设,另一方面,针对已经泄漏的信息,运用反欺诈策略,甄别风险,减少损失。

据悉,闫俊玲从事支付风控行业已将近8年,熟悉监管政策及支付体系运作规章,并且在机器学习深度算法与模型等层面有丰富的经验,现负责盒子支付风险管理体系的整体搭建。本次大会,她从传统风控和大数据风控的规则和建模原理,阐述反欺诈的核心概念和主要策略。

闫俊玲介绍说,传统支付风控的规则和搭建是先确定目标,再分析建模,通过不断更新迭代提高拦截率和准确率。大数据时代,犯罪分子的手法日新月异,包括指纹、人脸识别等都有被攻破,因而对反欺诈的要求也越来越高。闫俊玲认为可以从两方面去提升反欺诈能力:一是运用大数据,结合产品业务特性,建立用户数据模型体系,最大化捕捉欺诈行为。二是运用机器算法,她指出,机器算法有两个显著特点,一个是灵活,欺诈案例从分析到特征工程,建立模型用时较久,通过机器算法实时分析建模,结合定时任务补充,灵活运用,在时效与功能上会有大的提高和改善;二是机器算法可以自我训练,监督或非监督式训练,强化学习,将机器学习深度算法运用到反欺诈领域可以达到毫秒级风控。

闫俊玲指出,最大的风险其实从来就不是那些我们能看的见,算得出的,而是那些看上去似乎概率很小,我们认为一辈子都不可能发生的风险。它们的确会发生;我们不可能通过数据与模型完全控制风险,只能通过合理控制误差来无限预测未知,最大化规避风险。对此她呼吁产业各方必须不断地扩充知识库,更新迭代,共同推动数据产业的健康发展。


展开全文
相关阅读
资讯查询取消