融慧金科张凯:图网络在金融风险管理中的应用

作者:融慧金科发布时间:2021-04-26

月21日-23日,全球领先的可扩展企业级图数据库TigerGraph,面向全球在线举办Graph + AI 2021全球峰会。本届峰会受到了来自世界各地6,000多名数据科学家、工程师及数据相关的专业人员的关注和参与。

这是目前全球致力于图分析、人工智能和机器学习算法的最大规模公开直播会议。来自摩根大通、Intuit、NewDay、捷豹路虎、Pinterest、斯坦福大学、Forrester Research、埃森哲、凯捷、毕马威、英特尔、戴尔和赛灵思等知名企业的CEO、CTO、CIO、AI总监、数据科学家等专业大咖,共同围绕图技术未来的发展趋势,现阶段图在各行业的应用,全球图技术社区的前沿案例进行了探讨和分享。

融慧金科AI Lab负责人张凯博士受邀参加了此次峰会,并以“图网络在金融风险管理中的应用”为主题发表了精彩演讲。

从图模型到深度应用,图网络发展态势良好

截屏2021-04-26 下午5.32.06我们都知道,KDD是数据挖掘领域的国际顶级峰会,上图是2020年KDD的关键词云,即基于2020年KDD接收到的论文里面提取出的关键词的频率和频次。

从中可以看出,Graph Network(图网络)、Graph Learning(图学习)、Knowledge Graph(知识图谱)和Graph Neural Network(图神经网络)这些词出现的频率较高,这侧面反映出了基于图数据库的图算法的良好发展趋势。


截屏2021-04-26 下午5.32.10

张凯博士指出,图网络在金融科技领域有着广泛的应用,如在反欺诈、反洗钱和风控底层能力建设应用上能够有效提升模型效果。以反欺诈为例,图网络天然适用于异常检测、团伙欺诈、传播欺诈等欺诈场景,再比如在金融风控底层能力建设上,基于图数据库的底层建设在图分析、图挖掘、图模型方面,对传统关系型数据库或传统深度学习模型能够起到非常大的增益效果。

这也是融慧金科与合作伙伴TigerGraph一起正在做的事情。张凯博士介绍说,在我们的关联网络架构中,使用的是TigerGraph所提供的图计算引擎,它相当于一个强劲的“发动机”,可快速实现海量图数据的存储和计算。

另外,在关联网络应用上,底层图学习模块涵盖TigerGraph的经典图算法以及融慧金科AI Lab团队自写的定制化算法,最终形成一个全面和结合金融风控场景的图学习解决方案,可以全方位满足金融业务需求,大幅提升应用效果。

图网络在金融风控中的应用案例分享

在线上演讲过程中,张凯博士着力分享了很多关于图网络在金融风控中的应用典型案例,包括团伙欺诈、传播欺诈、应用程序分类、自然人ID等。在此,我们从中分别选择了在反欺诈和风控能力底层建设方面具有代表性的两个案例跟大家一起分享与探讨。

传播欺诈-基于时间序列的团簇变化

时间层面在整个金融风控领域起着至关重要的作用,因为风险本身会有一定的滞后性,而融慧金科在做模型或策略分析时都会基于过去预测未来,所以时间层面的一些变化是比较关键的。截屏2021-04-26 下午5.32.14

从上图中我们可以看到一个单线条的时间变化:2019年11月未发现异常;2019年12月,网络逐渐开始生长,但看起来还算健康;2020年4月已经形成一个巨大的团簇,还有一个异常的位置节点;一直到2020年7月,团簇持续增长,并且欺诈案例已经传播到了另外两个位置,它们已经作为负顶点被阻止,如图中顶部的黑色所示。

“若是能够在早期的时候,如在2019年12月份就提前把网络的生长给抑制住,就能避免以后大规模欺诈可能性的发生。”张凯博士强调称。

ID映射–自然人ID


截屏2021-04-26 下午5.32.22

上图是通过ID映射方法创建自然人ID的概述。我们知道,一个人的身份可以与他的手机号码相连接,但是他的手机号码可能会连接到多台设备上,包括手机、Pad(平板)等,以及他曾经使用过的设备。而自然人ID就是想要把这些关键信息,都归纳到一个自然人的维度。因此,新的ID能够反映出自然人的关键属性。

再来看一下自然人ID的架构。实际上用户信息是有多个维度的,包括身份证号、手机号、设备号等。例如我们可以使用图网络,在手机号和设备号(IMEI)之间构建一个映射模型,类似的图模型也可以应用到设备号和WIFI(MAC地址)之间,而在WIFI图下,我们可以添加一些属性,如APP来源、LBS位置、用户画像等。
截屏2021-04-26 下午5.32.26


从最终实现的效果来看,相比于基线模型,基于自然人ID的模型信息厚度增加了10倍以上,KS大幅提升了3.9%,成效十分显著。

“经过三年多的实战经验,在有监督的机器学习模型领域,我们已获得市场头部金融客户的充分认可。”

张凯表示,融慧金科AI Lab致力于通过图的方法和TigerGraph图的能力开发一系列应用于金融科技和金融风险管理的图学习模型,以进一步提高模型的辨识力、精准度及稳定性等,强化自身在反欺诈、反洗钱及风控底层建设方面的能力,在产品和服务上大幅提升银行等持牌金融机构的客户服务体验。

融慧金科AI Lab负责人张凯博士介绍

张凯,融慧金科AI Lab负责人,曾任百度金融反欺诈模型负责人,从零到一搭建风控反欺诈模型框架体系,欺诈资损率和业务打扰率实现双降,降低90%;曾任美国运通(American Express信用卡)风控模型验证部高级经理,监管全球24个市场的300个模型,率队三次参加内部建模竞赛获得前三。教育背景:美国密歇根州立大学 统计博士、哈尔滨工业大学 数学学士



分享:
微信咨询
申请试用