11月15日,由移动支付网、北京移动金融产业联盟共同主办的2017第二届中国移动金融安全大会在深圳召开。 会议以“云端兼顾,新技术守护安全”为主题,深入探讨科技时代的金融安全、终端安全、数据安全以及不同场景下的安全应用。 深圳市盒子支付信息技术有限公司风险管理部总监严俊岭与业界人士探讨了如何基于传统风控和大数据风控的规则和建模原则做好反欺诈工作。主题为“我是谁:没有绝对安全的系统”。
严俊岭指出,个人信息泄露引发的诈骗对应的是小成本高回报。 目前,国内已知个人信息泄露数量已达55.3亿条,平均每人泄露4条相关信息。 个人信息泄露的风险形势十分严峻。 因此,对于支付产业链的任何一方来说,在信息安全和隐私保护方面都有很长的路要走。 对此,她还在会上提出了保护信息安全的两点建议:一方面,要加强自身信息系统的安全建设;另一方面,要加强自身信息系统的安全建设。 另一方面,我们应该根据泄露的信息,运用反欺诈策略来识别风险,减少损失。

据悉,严俊岭从事支付风控行业近8年。 熟悉监管政策和支付系统运营法规,在机器学习深度算法和模型方面拥有丰富的经验。 现负责盒子支付风险管理体系的整体建设。 在本次会议中,她从传统风控和大数据风控的规则和建模原理出发,阐释了反欺诈的核心概念和主要策略。
严俊岭表示,传统支付风控的规则和构建是先确定目标,然后进行分析和建模,通过不断更新和迭代来提高拦截率和准确率。 大数据时代,犯罪分子的手段日新月异,包括指纹、人脸识别等都已被攻破,因此对反欺诈的要求越来越高。 严俊岭认为,反欺诈能力可以从两个方面进行提升:一是利用大数据,结合产品业务特点,建立用户数据模型体系,最大限度捕捉欺诈行为。 二是利用机器算法。 她指出,机器算法有两个显着的特点。 一是灵活性。 欺诈案例从分析到特征工程的模型构建需要很长时间。 通过机器算法实时分析建模,结合定时任务补充,可以灵活运用。 ,时效性和功能性都会有很大的提升; 其次,机器算法可以自训练、有监督或无监督训练、强化学习,将机器学习深度算法应用到反欺诈领域可以实现毫秒级风控。
严俊岭指出,最大的风险从来不是那些我们能看到或计算出来的风险,而是那些看似概率很低、我们认为在我们有生之年不太可能发生的风险。 它们确实发生了; 我们无法通过数据和模型完全控制风险。 只有合理控制误差,才能对未知进行无限预测,最大程度规避风险。 对此,她呼吁行业各方不断拓展知识库、更新迭代,共同推动数据产业健康发展。