欠錢的不再是大爺 Linkface幻視反欺詐把好風控關卡

　　貼吧里曾有一則熱門的帖子是這樣說的，“20多萬逾期1年，也沒見有人打斷我的腿，只要催過我還款的，我就不準備還了，不然怎么說欠錢的是大爺。”相較之下，另一則留言更為經典：“憑自己本事騙來的錢，為什么要還?”這其實就是金融詐騙現狀的真實寫照。

　　網貸之家聯合盈燦咨詢發布的《P2P網貸行業2017年1月月報》也顯示，截至2017年1月底，P2P網貸行業正常運營平臺數量為2388家，相比去年12月底減少了60家。近年來數千家P2P平臺的倒閉，與資金實力不足、技術條件不過關、營銷能力欠佳、風控水平不高等有密切關系。

　　由于國內個人征信體系尚不完善，中國欺詐違約率明顯高于國外，而且低廉的線上造假成本和層出不窮的信用詐騙手段，大大降低了網貸申請過程中的詐騙難度，給P2P平臺風險評估帶了很大的沖擊和挑戰。網絡技術的發展更讓互聯網金融風險集中于政策風險、信用風險、流動性風險、擠兌風險等方面，而且比傳統金融風險更隱蔽、更易于擴大。

　　今年兩會上，《政府工作報告》中指出，當前系統性風險總體可控，但對不良資產、證券違約、影子銀行、互聯網金融等積累風險要高度警惕。互聯網金融風險連續四年被寫入政府工作報告，可見風控對于我國金融行業發展的影響之大。

　　在這樣的大背景下，人工智能企業Linkface基于自身數據積累優勢和深度學習技術，研發了幻視反欺詐平臺。幻視反欺詐平臺是一款運用深度學習技術和用戶關系畫像幫助網貸平臺在貸前信審環節預測評估用戶欺詐風險的產品。據了解，Linkface借助用戶關系畫像，運用深度學習技術實時預警欺詐風險，為P2P平臺把好風控的第一道關卡。

　　基于深度學習技術的基因，Linkface幻視反欺詐平臺依托用戶關系畫像，構建了層次豐富、維度全面的基礎數據庫;基于機器學習手段和豐富的業務經驗，用基礎數據建設特征庫，形成數千基礎特征和數萬衍生特征，并將特征庫中的特征進行組合，生成各類風險維度，根據不同風險維度和機器學習模型，形成各類欺詐因子模型，全面刻畫用戶欺詐行為模式，且每個模塊都會通過算法和業務深度結合，整合成最終的欺詐評分模型。顯然，在大數據的加持下，Linkface幻視反欺詐平臺在金融反欺詐領域的服務更顯人性化，相較于傳統的反欺詐模式成本更低，效果更佳。

　　據了解， Linkface幻視反欺詐平臺以API接口形式為網貸平臺提供服務，用戶提交借貸申請時，幻視反欺詐平臺會實時判斷用戶的欺詐風險和風險詳情，并以欺詐風險預測評估報告的形式輸出給網貸平臺。網貸平臺可根據返回的結果選擇接受、拒絕貸款申請或對貸款申請進行進一步審核。

　　據介紹，Linkface幻視反欺詐平臺在團伙詐騙和多頭借貸的識別上具有獨特優勢。Linkface幻視反欺詐平臺借助用戶關系畫像，挖掘出詐騙團伙特征和團伙成員間的關系，可有效預警團伙詐騙風險。同時，Linkface幻視反欺詐平臺能夠通過用戶間關系信息識別用戶是否存在多頭注冊行為，進而推斷用戶是否有多頭借貸嫌疑。據Linkface金融線產品總監白志斌介紹，根據好貸網對幻視系統的測試情況來看，輸出結果顯示幻視系統對于逾期用戶的識別準確率和召回率分別達到了81%和64%。

　　Linkface幻視反欺詐平臺將金融反欺詐推向了用戶關系畫像時代，這是勇氣也是魄力，是嘗試更是跨越。未來，Linkface在反欺詐⽅⾯將持續對數據、技術、產品進行優化，除了為P2P借貸平臺提供反欺詐服務，還將涵蓋保險、理財、銀行等行業。