金融行业是人工智能等技术落地应用的重要领域。人工智能不仅极大地提升了金融服务的效率，降低了交易成本，更帮助金融机构在业务、风控、运营、审计、人力等前中后台场景中进行了智能化转型。

11月18日，在成都召开的“第八届中国智能产业高峰论坛”和在北京召开的“2018人工智能大数据精英会”上，顶象技术专家们就人工智能技术助力金融反欺诈进行了探讨和交流。

人工智能反欺诈的核心技术：深度画像

提起用户画像想必都不陌生。作为建立在一系列现实世界中真实用户数据之上的模型，用户画像技术通过对年龄、性别、婚姻、教育、工作、家庭等个人特征及消费偏好、浏览、社交、投资、购买等信用特征进行采集和积累，在明确的业务应用场景下，根据提前设定好的算法进行画像和分析，将这些多种类型的数据抽象成一个标签化的用户模型，以形成能触及到用户的根本需求。

传统的用户画像基于业务场景和需求制定，虽然能够直接用于业务策略，但是对多用户的采集分析，一个个单点很难定义彼此的关联关系。因此形成的是单一维度标签，在跨领域使用、泛化拓展和表达上比较差。而利用关联网络技术进行分析和挖掘，则能有效弥补传统用户画像的不足。

11月18日，在“第八届中国智能产业高峰论坛”上，顶象技术首席科学家施亮表示，利用基于关联网络的图算法对特征、信息、标签等进行分析，能够直观的体现目标网络的结果和预测。 

顶象技术首席科学家施亮

他表示，基于关联网络，不但能够进行常规的网络分析，还可以进行图嵌入学习、无监督和半监督学习等。

施亮着重介绍了顶象的关联网络应用技术——深度画像。该技术基于关联网络构建的图神经网络算法，同时考虑拓扑关系和节点自有属性的学习表征，能够使用多种核函数聚集邻居节点的表征信息，可应用半监督学习和无监督学习表征等。

神经网络算法示意图（出自：Inductive Representation Learning on Large Graphs）

施亮表示，通过深度画像技术，再辅助端数据建模和数据采集保护技术，能够有效识别和防控各类金融欺诈行为。

顶象端数据建模和数据采集保护技术主要通过力度、触面、仰角、手势、触点间隔等设备端的基础数据和生物操作特征数据，从而建立同人识别模型，帮助运营者识别操作者的个人操作习惯。

深度画像技术在金融反欺诈中的具体应用

金融机构面临的业务风险方方面面： 有利用虚假身份、虚假资料进行骗贷的普通人和企业；有进行洗单、合谋套现、虚假的商户；还有对银行卡进行克隆、变造、失窃等进行诈骗的不法分子；更有网络诈骗、洗钱交易、非法集资等各种违法犯罪行为等。

目前，主流的风控方案是端防护（风险采集）+数据服务（信息核验、黑白名单等）+风控策略（反洗钱、反欺诈、评分卡等策略）+机器学习（反欺诈、信用评估等模型）。这样的方案通过单样本风险实现纵深监测，兼具了灵活性与复杂性。但会忽视样本之间的关系，忽略团伙风险和跨数据等风险。

顶象技术人工智能专家黄亚军

顶象技术人工智能专家黄亚军在“2018人工智能大数据精英会”上表示，基于顶象深度画像技术，通过对用户交易记录、申请记录以及设备访问数据等的分析与挖掘，形成账号、交易、手机号、设备等关系数据的关联网络，能够有效弥补以上的不足。

黄亚军通过零售银行欺诈、银行收单商户欺诈等案例，详细讲述了深度画像技术在反欺诈中的应用。

一个疑似手机欺诈的网络挖掘案例

人工智能推动金融智能化

人工智能的主要技术可以在金融中找到相关的应用。以金融风控为例，人工智能可以实现对风险及时有效的识别、预警与防范。

除利用人工智能做金融欺诈检测与防控外，利用人工智能进行合同处理、资料验证审批、资文归档等低创造力高重复性的工作；以智能语音客服为方式，以数据学习为技术支撑的客服类人工智能；依靠算法，参与股票市场与期货市场的人工智能交易等。

人工智能承载不仅是金融行业的智能化，更推动经济以及社会的新变革。