0
很多人還沒有意識到，“識時務”是一個優秀的智能風控解決方案，必須具備的自我素養。
在風控戰場上贏到最后的，必然是那些清晰認識自身和外界，有著發達“感官”，能夠迅速摸清戰局并自我調整的戰隊。
“風險決策不是非黑即白，一定是根據對風險的精準量化，對當前大環境的判斷，對不同的時間點和狀況，不斷進行調整。”在騰訊天御反欺詐見過無數黑灰產攻防戰的李超這樣感慨。
這位曾被行業頂會MICCAI被提名為年輕科學家的博士，三年前就加入騰訊安全團隊，著手研發星云風控解決方案，“殺入”金融風控的戰場。
這一解決方案的內核，是團隊精心打造的T-Sec星云風控平臺，騰訊安全天御依托這一平臺，成功幫助銀行處理了上億用戶的信貸服務，累計守護資金安全超萬億。
在與李超博士的對話中，我們發現，在金融風控需求多樣化、解決方案卻同質化的今天，從騰訊二十年反欺詐經驗中破土而出的星云，它背后的風控理念，其實極具借鑒意義。這支風控“特種部隊”自身的成長軌跡和服務經歷，也正是互聯網信貸近年來變遷演化的縮影。
李超，騰訊安全金融風控技術總監、首席科學家
星云風控解決方案的雛形生于2017年底，正是互聯網信貸發展如火如荼之時，李超和團隊迅速注意到了銀行發展數字零售信貸的業務需求。
星云的誕生，就是為了幫助銀行構建一套自主可控的互聯網信貸風控體系。
李超告訴雷鋒網AI金融評論，這一目標從未變過，但星云的具體規劃，在這三四年時間里，確實有過路線調整。
早期的星云方案，更具有標準化色彩，“可以幫助銀行快速構建一套‘人有我有’的系統，在市場遷移的大趨勢下，抓住發展線上信貸的機會。”
星云的“內部構造”中，就有風險評分類SaaS服務，和數字化風控PaaS平臺，方案打通數據采集、數據清洗、特征加工、規則模型、頂層場景的各個模塊，整體以一站式、端到端的設計，協助銀行迅速完成業務構建。
隨著時間推移，互聯網信貸賽道已經變成了充分競爭的市場，入局者眾，這時如何充分發揮定制化能力，幫助銀行形成更強的差異化競爭優勢，從中脫穎而出，就成為了星云新的頭號任務。
考慮到風控場景的復雜、多樣性，在標準產品方案之外，騰訊安全天御也會讓風控專家為客戶提供風控場景的咨詢和服務，定向輸出一批定制化方案。
風控SaaS服務也會通過隱私計算技術進行定制建模，將騰訊系統的黑產對抗感知能力和客戶的場景進行深度融合，形成針對性的精準風險量化評估。
不過，要提升銀行的風控“即戰力”，業界往往會討論起模型準確性、算法先進性，但這未免太過偏頗，就如同戰場上絕不可能純靠一支八倍鏡就鎖定勝局。
時間，可能才是這場戰事里的最大變數。
縱觀互聯網信貸的發展歷程，起初，時間的重要性更多體現在傳統線下信貸業務向線上躍遷，借助AI的力量從人工審批進化到實時秒批秒貸。
而現在，這種爭分奪秒更指向動態風險管理的概念，“識時務”才是一個優秀風控解決方案應有的素質。
“風險決策不是非黑即白，一定是根據對風險的精準量化，對當前大環境的判斷，對不同的時間點和狀況，不斷進行調整。”
“也就是能夠及時感知到風險的變化和差異，并且做出相應的決策，包括進件個體、自身大盤、不同渠道的風險，以及宏觀環境和經濟形勢的變化。”李超這樣解釋動態風險管理。
他進一步指出，在新興互聯網業務中，黑產極其活躍，如果沒有完善的監控告警機制，沒有及時感知和響應重大風險，對新業務的打擊可能是毀滅性的。
這也正是為什么在星云風控平臺身上，對實時、即時、及時的重視，隨處可見。華夏銀行也曾表示，在與騰訊安全天御合作的過程中，對風險提前感知的場景，給他們留下了深刻印象。
雷鋒網AI金融評論注意到，星云將流式計算應用于特征加工和實時決策等環節，從而能支持靈活配置風控策略與決策流，實時響應業務風控政策的變遷，也可以根據實際業務場景、地域分布等限定條件靈活部署。
流式計算等技術的采用，通常被認為能夠打破時間窗口的限制，實時性是其最大優勢，這也意味著星云在面對最近一段時間誕生的“新數據”時，快速處理和分析的能力都大大提升。
李超透露，目前的星云方案可以讓所有業務之間的通信，都經過流式計算處理后的信息流，保證可以360°感知業務風險全貌。
同時，也可以基于這樣的信息流，構建實時風控數據報表。以往的報表呈現，需要先線下完成數據的抽取和整理，現在可以通過實時構建的報表，直接感知到數分鐘甚至幾秒鐘前的最新業務情況。
不過李超也指出，數據處理實時性的提升，也意味著對資源消耗、數據容量的考驗，如果把較長時間的數據都入流計算，反而會大大影響系統整體效率、成本相應增加。
因此，團隊采用了“大小窗”的方式，例如將數天之前的“舊數據”預加載好，“新數據”采用流式計算處理，充分發揮實時處理和離線處理的各自優勢，讓整個風控體系的效率再進一步。
此外，星云平臺也支持在線模型的部署、名單管理，變量中心具備數據可視化進行自定義二次加工能力，衍生豐富的特征；策略、模型和變量也可以完成在線更新，無需下線之后再發布，種種細節保證銀行風控盡可能跟上信貸展業的腳步。
真正把星云與市面上常見的風控解決方案區分開來的，其實不只對時間的“敏銳”這一特點。
李超就表示，騰訊安全天御的風控反欺詐“作戰經驗”，為星云提供了不小的先發優勢。
網絡黑灰產是所有線上業務最大的風險來源，目前中國的網絡黑產從業人員有近200萬，與黑產對抗需要專業的對抗能力和技術體系。
過去二十余年中，騰訊一直服務于互聯網行業，作為與黑產對抗的排頭兵，沉淀出了一支專業的黑產挖掘對抗團隊和一套完善的黑產手法分析，情報收集，和實時感知檢測的體系。這些能力是保障星云業務能夠健康增長的堅實根基。
同時，風控建設很多時候牽扯到銀行數字化轉型的整體規劃，此時騰訊云在技術生態和產品體系上的完善就顯得格外重要。
李超透露，他們與客戶之間不只是信貸風控上的合作，在營銷風控，身份安全，以及至獲客方面，騰訊云都有成熟完整的方案。
不僅如此，針對目前很多銀行整體零售數字化轉型，騰訊云的TCE全棧專有云，或是企業級分布式數據庫TDSQL等基礎能力，能滿足銀行全方位的需求。
比起單一的風控方案輸出，星云攜“配套設施”而來，為銀行帶來騰訊在大規模互聯網業務方面的深厚IT積累，也讓銀行的風控體系能在更“熟悉”的土壤之上順利長成。
近年來備受關注的隱私計算技術，也被嵌在了星云深處。這一前沿技術讓團隊在服務銀行時，可以更及時完成風險決策的定制化，多方數據也有機會在此兼容、發揮共同價值。
騰訊安全其實早已開展相關技術研發，去年就上線過聯邦學習的應用，主要用于銀行信用卡反欺詐等場景，李超也曾做客雷鋒網AI金融評論主辦的聯邦學習公開課，詳細解讀聯邦學習+金融風控的運用邏輯。他表示，當團隊需要與銀行進行深度模型定制，但銀行數據又不輕易出本地，這正是聯邦學習的“用武之地”。
李超還告訴AI金融評論，具有豐富風控經驗的金融行業專家資源，是星云的必備配置；在服務眾多客戶之后，團隊也形成了獨有的“更廣闊的橫向視角”，對行業最新趨勢感知及時，某種程度上也使得星云具備了“聯防聯控”的效果。
值得一提的是，有時技術服務商給出的解決方案，核心部分采用黑盒模式交付，但銀行對此很難放心。
加上監管層一直強調銀行獨立風控的重要性，保證銀行對風控體系的“自主可控”，也就成為了風控服務商們的“必修課”。
李超表示，騰訊安全天御團隊會將所提供的服務，源碼開放給客戶方，所有基于服務開發的策略都是透明可查，很多客戶也在與騰訊的合作中，逐漸搭建起了自己的風控團隊和風險管理能力，成為行內的寶貴資產。
目前，星云不光應用于借貸風控和交易風控兩大常見場景，還能用于智能風險管控中臺這一場景。
為何一個風控平臺卻要以中臺的形式呈現？二者的區別何在？李超解釋稱，星云本身是更垂直的解決方案，針對零售信貸業務而生，但并不是只能用于信貸，風控能力同樣可以“復制粘貼”到其他場景。
而風控中臺更多是橫向“貫穿”銀行各個業務和場景，從過去以賬戶中心的風險管理，轉變為以用戶為中心的風險管理，形成頂層設計，統一視角，協同防護的能力。
他指出，部分銀行其實已經陸續做過一些數字化風控建設，但往往是“煙囪式建筑”，他們迫切需要將煙囪之間串聯起來，中臺正好能協助原有的“建筑”變成穩固的“地基”。這種先橫向構建、再基于中臺做業務搭建，也是很多規模較大的城商行的首選。
今后，星云也會在銀行的運營、營銷等多個金融服務環節中發光發熱。AI金融評論此前也曾報道，騰訊安全天御已經在營銷風控領域有所收獲，其風控能力幫助某股份制銀行開展營銷活動，精準識別和打擊黑產，識別惡意率高達99%以上，確保銀行的營銷資源沒有被黑產套利，而是被精準投射到客戶手中。
（推薦閱讀：《和歐美老牌風控巨頭齊名，騰訊安全天御做對了什么？》）
定位、適配、穩定性、冷啟動……那些待解的風控難題
跳出星云，我們也與李超深入討論了風險管理一個永恒的命題：
風控與業務增長、與用戶體驗，怎么平衡天平的兩端？
李超分析稱，很多銀行做傳統線下業務的時候，流量成本是忽略不計的，通常只是計算門店的運營成本，銀行可以優中選優，精選最放心的客群來做業務。
但在線上化、數字化的時代，獲客成本、風控和業務增長之間的矛盾，被更具體地量化和放大，“如果再用粗放式手法挑選客戶，實際上是對營銷成本的巨大浪費，導致業務無法生成一個清晰可行的盈利模型。”李超說。
如何平衡，其實沒有唯一答案，只有適合自己的最優解。
在他看來，想要端穩這碗水，核心在于風險策略的選擇上，也在于風險量化的能力上，在于能否找準自家產品的風險定位，能否認清當前業務的風險水位。
一套風控決策流程也非常體現行業知識的積累，基于對風險的精準判斷來給出差異化的動態決策。星云的設計思路和技術細節，也正蘊含了這些風險理念。
而對于智能風控的趨勢，李超也給出了他的詳細觀點：
第一，在樣本量有限的情況下如何保證風控模型的穩定性，將會是需要持續加強的技術問題。
他指出，信貸業務場景中，收集樣本的周期非常漫長，尤其是在銀行這樣的傳統金融機構，風險偏好更趨保守，更不可能大規模收集壞樣本，但樣本量不足又會影響風控建模的效果，因此遷移學習等技術，將會是彌補樣本量不足的重要手段之一。
第二，則是前文所述的動態風險管理問題，借助技術手段提高風控模型與業務、與行業的適配性。
第三，正如星云對聯邦學習的采用，隱私計算在風控中的應用將會愈加廣泛，讓模型持續更新，保證風控評分的提供方與業務方之間有良好的聯動。
李超同時還強調，零啟動/冷啟動是信貸風控中普遍存在的問題。
他表示，信貸業務場景中，收集樣本的周期非常漫長，尤其是在銀行這樣的傳統金融機構，風險偏好更趨保守，更不可能大規模收集壞樣本，但樣本量不足又會影響風控建模的效果，因此遷移學習等技術，將會是彌補樣本量不足的重要手段之一。
回過頭看，互聯網金融“大爆炸”的時代，也是大數據風控茁壯發展的時代。
但巨大流量帶來的高速增長的業績，將金融服務粗放式經營的“頑疾”掩蓋。金融人往往手握大量數據、規則和算法，卻沒有讀懂真正的風險管理。
機構很多時候不夠實時了解客戶，也沒有找到風險與回報的平衡點，以為數據量越多、維度越全，就是更好的數據，就能實現最好的風控效果。
如今互聯網金融業務經歷一輪接一輪的強監管，持牌金融機構也要面臨合規治理，創新金融業務的風險亟待出清，利用技術手段協助機構達到金融風控的合規性，提升自動化、專業性、時效性、包容性、協調性，必然成為后續智能風控的主題。
而星云也正如它的名字一樣，在騰訊龐大完備的技術生態和天御的反欺詐經驗中“凝聚成云”，見證過互聯網信貸與大數據風控的起起落落。這樣一支“特種部隊”，在金融科技強監管的時代里，還能為銀行們帶來怎樣的風控成績？我們靜候其變。
封面圖片來源：電影《拆彈專家2》
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
