零售信贷客户知识图谱反欺诈应用研究.docxVIP

零售信贷客户知识图谱反欺诈应用研究 在科技赋能金融与人工智能技术迅速发展的背景下，各大金融机构开始寻求前沿的科技手段来提高业务能力，尤其是在信贷领域。目前，商业银行在信贷领域所面临的欺诈风险主要包括申请欺诈和交易欺诈，其中申请欺诈的鉴别和定义极为困难，是个贷风控的痛点。传统的反欺诈体系已无法满足高维的用户特征以及复杂的欺诈模式，而知识图谱为银行解决信贷领域的用户欺诈问题提供了一种全新的视角。 一、行业信贷风控现状 目前，商业银行风控依据的信息普遍以人行征信为主体，存在一定缺陷和问题。首先，人行征信系统中的客户本身质量比较高，而对于那些未进入人行征信系统中的客户，仅以人行征信系统为主的风控手段便无法判断其优劣；其次，人行征信系统也依赖于银行系统上传的历史数据，而这类数据缺乏时效性，对于客户当前信用风险的评估也略显不足;最后，传统的风控方式(如评分卡模型)没有考虑到社群特征和客户之间的关联关系，难以识别团伙欺诈。随着知识图谱技术的不断发展，越来越多的银行开始应用知识图谱进一步完善反欺诈系统，知识图谱开始在不同的反欺诈场景如盗卡盗刷、钓鱼诈骗、非法提现、套现洗单等场景发挥作用。部分银行的知识图谱应用成果见表1。 表1 部分银行的知识图谱应用成果 目前传统商业银行的零售信贷流程如图1所示。 图1 传统商业银行的零售信贷流程 其中，审批阶段的评分卡模型是机器学习在整个信贷流程中运用的最为成熟