360数科首席数据科学家沈赟：数据决定模型算法的天花板

　　9月1日消息，日前，在“2020第二届中国零售金融发展峰会”上，360数科首席数据科学家沈赟就“白户风险”、“身份伪冒”、“中介风险”、“传销风险”、“黑户风险”、“恶意欺诈”、“借新还旧”七大欺诈场景，给出了针对性技术解决方案。

　　据沈赟表述，针对主动式欺诈，360数科凭借GBST等自研算法，不断优化FTG自适应反欺诈特征体系，在千万级别黑名单库、黑中介库以及数亿白名单库的数据支持下，搭建起涵盖超过18亿关系节点和200亿关系边的金融知识图谱。在全场景反欺诈方面，基于位置、设备、推荐、联系人等关系，360数科建立起关联网络，并利用社群发现、风险传播等无监督算法发现黑产团伙、识别潜在和新型欺诈威胁。利用LBS网格化特征、APP2Vec特征等技术加工手段，360数科还提升了深度学习算法的敏感度与精度，挖掘了模型算法的灵活性，即时拦截中介及黑产风险，从而实现有效实现反欺诈。截至2020年6月30日，360数科由于欺诈造成的坏账率为0.2%。

　　沈赟表示，对于数据科学如何赋能信贷业务，360数科已实现从获客、贷前、贷中到贷后的全生命周期风险管理，有效抵御欺诈攻击。在此过程中，每个阶段都需要大数据与人工智能技术的参与，这也是金融科技区别于传统金融机构的最大原因。

　　同时，沈赟进一步表示：“反欺诈需要辨别出以骗款为目的黑色产业，在这方面，我们通过构建关系网络，以知识图谱等形式找出风险点。同时，还会维护诸如黑中介电话号码库之类的数据库，通过社交关系网络，找到与黑中介关联上的人，并认作潜在的欺诈风险。”

　　沈赟称，“针对风险较高客户，我们会提前采取拒绝、调额、调价等风控措施。此外，在实际业务中，我们还会在多个贷中时间点对用户进行重新评估，来预测其多头可能变化的情况。”

　　据介绍，360数科在贷后环节制定了不同的催收的策略，通过对用户去进行客户和分群，来制定相应的催收方式。沈赟表示，“我们从积累数据，从数据当中去挖掘各种各样的特征，使用机器学习的模型去学习，不断去优化调整这个模型，从而促进业务的发展。从这个角度讲，数据决定了模型算法的天花板。反过来，在业务发展后，我们也可以获得更多的有标签、有指导意义的数据及模型，这是一个不断正向的循环，是整个的建模、数据模型以及业务三者有机的一个融合。”