<mark id="oztn4"></mark>
0
| 本文作者： 溫曉樺 | 2016-12-21 23:05 |
雷鋒網消息，在周日于深圳舉行騰訊大數據技術峰會暨KDD China技術峰會上，百度金融服務事業群組研發負責人、KDD China副主席沈抖博士介紹了百度金融各場景背后的人工智能技術和方案，包括安全防護、智能獲客、大數據風控、量化投資等。
以下是沈抖博士演講實錄，雷鋒網做了不改變原意的編輯：
除了通過攻擊機器，黑客還會在你跟服務之間的通信鏈路上去突破，所以我們就必須做好加密，這也是為什么現在所有的銀行板塊基本都會使用HTTPS加密。原來百度搜索不是這樣做的，因此會導致用戶搜索過某些東西后，就會接到推銷電話的情況，其實這是因為在中間的鏈路就被劫走了。如果這招還搞不定，設備是安全的，鏈路也是安全的，那么黑客能想到的就只能把你的用戶名和密碼偷走了。所以會出現很多地方的賬號泄露，也導致很多拖庫和撞庫事件的發生。
往下想還有更可怕的是身份盜用。所以這時候就有必要去做謂生物佐證和活體識別。現在，活體識別是整個金融行業做身份識別中非常重要的一塊。照片容易復制，所以單單提供一張臉也未必就可信，所以必須讓用戶做活體，比如眨眼、扭頭、張嘴等。
所以上述就是安全防護中會出現的攻擊步驟，并且一步步都變得愈加嚴重。那百度現在每天有這么多的數據，可以做什么呢？
登錄授權，身份刻畫
比如所謂每天300億次授權，就是如果你處于登錄狀態，每對百度進行一次訪問，這個PV都會到達后臺，可以做什么呢？就是比如雖然登錄的時候是你，然后傳輸過程中也是你，但是有可能黑客在不知道什么地方就把你的身份信息截獲了，并從另一個地方登錄訪問。所以從系統上來講，我們要實時地判斷這個身份是否已經被替換了。
所以，每日300億次授權，200億次定位，60億次點擊，3億次登錄請求都可以用作身份刻畫。實際上在判斷一個賬號是否安全的時候大概就看這幾方面：
時間沖突
首先時間上，如果突然有一段時間在印度，突然有大量的百度賬號，而且晚上兩點三點發生很大賬號行為，但這行為卻是根本沒干什么。很多黑客一下撞庫拿到很多賬號之后，他怎么辦？他就真的是批量地去嘗試——這些賬號能不能登陸？假如都登錄完了之后，發現你有錢包賬號，他什么都不干，直接跳去看你有多少余額。一般正常人不會做這樣的事（意味著是安全風險的信號）。
所以實際上所有這些數據合在一起，基本上就能判斷這個人到底是什么情況了，也因為如此我們就會加重組織的風控指標，來判斷每一次登錄是否正常。
證明“你是你”
說完流程，下面講一下怎么去判斷一個人真的是一個人——證明“你是你”。
證明你是你的時候有很多方法，包括前文的人臉識別、活體識別等，但在現在移動設備流行的前提下，有一個手段是非常便捷的——手寫簽名。
在移動設備上，因為它可以記錄每個人簽名過程中的力度、速度、書寫風格等，所以在采集到信息后，算法上把整個字分成各種小段，進行特征分類等方法來進行簽名比對。這種方法的好處在于，每個人的書法習慣是很難去模仿的，因為一旦有了模仿的前提，速度和節奏極可能發生變化。
其實智能獲客和大數據風控都離不開對人的畫像刻畫。無論要做獲客，找到這個人；還是要做風控，判斷這個人是好人或壞人，都要對每個人有非常深刻的了解。
我們舉幾個例子，看怎么去了解一個人：
首先看看有沒有貸款的意愿，可以從人生階段、消費習慣等能夠判斷趨勢；
接下來就看其有沒有還款的意愿，是不是很想貸，但貸了不想還；
那如果即使想還，還要看其有沒有還款能力，有可能還不起，比如尤其是過度消費導致多頭借貸的情況；
最后就是沒有還款意愿的欺詐行為。
任何行業都存在獲客的問題——低成本地獲得想要的客戶對業務經營的作用不言而喻，金融行業同理。金融領域要想做好獲客，大概是這幾個方面：
第一，得知道其有這個需求；
第二，得有通道去抓獲。
無論是從搜索、LBS，還是到瀏覽，都表達了客戶的需求。如宏江老師所說，一些新聞推薦你也許覺得不相關，但其實也表達了你的潛在訴求，你的行為就是你自己。通過這些行為，我們就能看出來這個人到底想干嘛，然后通過標準分類把他們找出來。
再舉個例子，即使知道了這個人想干嘛，還得必須得有一個方法以特別快速地去處理，因為客戶的需求變化很快。如果一個人，如果一個人，發現他有借貸需求時，在第一天向其推送消息時，其響應率比較高，如果到了第二天再推送，響應率則衰減一半。
之所以出現這種情況，一方面可能是因為人的興趣確實在變，昨天有消費沖動，但是過了一天就冷靜下來了。第二種情況是因為現在互聯網金融或者叫科技金融實在是競爭太激烈了，今天沒有回答他，就有人接替來出單了。所以從這些角度來講，我們不但要安全地觸達，還要及時。
獲客的話，我們要在智能的區域出價，以合理的價格觸達每一個用戶，不可能不計成本地去做。因此，這里面就是涉及怎么動態地調整定價策略、出價策略，就是根據客戶的貸款意愿強弱、還款能力強弱，是否存在欺詐可能等。所以這些因素考慮完了之后，根據這樣的ROI來出價把客戶給拿下來。
這個推算也不難，基本上是：把顧客的收益乘以轉化再乘以目標ROI，然后再加上一個條件因子，因此可以得出來一個競價。然后競價會隨著ROI變化來調整，連二階導數都用不上。所以，這就做到了在ROI不變的情況下，能挑到越來越好的用戶。
除了要控制好成本，及時給出消息，我們還得給出一個好消息。所以我們這里面就分成幾點：
首先這個取決于客戶的興趣愛好、人生階段，客戶的生命周期、生活體制、消費水平等所有因素放在一起解決的。在今天，我們還看到比如微信支付在機場等一些地方張貼廣告，拉客戶，其實這種成本是非常高的。公式計算的是：比如需要多少補貼，一個用戶才會使用我們的產品來支付；第二個是轉化率不能特別低，成本省下來了，用戶沒有獲取到，這也是不行的。這些都可以提高獲客的效率和效益。
那么這個這里面最關鍵的一個是轉化率的問題，就是現有模型的問題。在這樣一個補貼的情況下，在這個場景下，到底要不要轉化？所以大家特別想獲得一個補貼的話，可以在選擇時猶豫猶豫。（說不定系統會以此提高補貼額度，哈哈！）
下面是大數據風控。這里列了很多模型，真正在做金融的時候，整個用戶的生命周期里面，每一個階段都會有很多模型來支持。這也是為什么這個金融行業需要大量機器學習、數據挖掘、人工智能等專業人才。
比如，申請的時候就有風險模型欺詐策略；
然后到額度這種流動模型貸款利率的時候就需要定價模型，雖然現在國內我們去房貸時利率差不多，但實際上每個人風險不一樣，利息率就應該不一樣；而欺詐貸后管理的過程中，則需要行為風險模型。
行為風險模型的使用，比如說現在的教育貸款，用來幫助資金比較短缺的學生投資自己的，上個補習班之類，但如果放貸后發現，這個學生基本不上補習班，還經常在BBS上討論游戲攻略，那應該趕緊把錢要回來了。所以風險模型都會去判斷放出去的貸款的風險的大小。
但如果是好的客戶，我們需要持續地做，但其有可能是抓不住的，這就要看其流失的風險。
最后是逾期催收和失聯修復的所用到的模型。
所以有很多這種模型，這里面是簡單的說明。以前的風控模型和現在的機器學習沒有很大的區別，但過去的做法不對。一來缺乏是大量數據實時輸入，二是用戶端和企業端是否做到各方同時考慮呢？比如教育貸款這個場景，也許學生是好學生，但是機構不是好機構，這樣的風險更高。
此外投資資產質量的問題，也是有很多數據可以在前期把風險識別出來。比如高速公路想要用抵押的方式貸新款，銀行需要調查高速公路的車流量時，過去真的要派一個人到實地去考察，現在OBS、GPS這么發達，它們收集的數據足以幫助設計完成這個任務。
最后講一下量化投資。量化投資的正常流程是：
投資標的調研
篩選出合適的標的，然后建立投資組合
組合風險控制，動態調倉
這里面用的是搜索量和股價之間的擬合程度的原理。因為百度上每天跟股票名稱和代號相關的搜索大概有2000多萬次，而且我們分析一下發現，搜索量和股票價格的關系度比較高，其正相關相關系數在0.7以上，本身這個搜索量其實就反映了一個用戶對股票的興趣程度，這時我們再加上隱形的因子判斷，再慢慢地我們自己的理解就能反映出來，潛在的買家在哪里。所以這些東西放在一起，就可以對股票的價格有非常好的建議。
而除了股票價格以外，還有很多其他行業研究可以做。比如汽車行業的銷量調研，我們也可以從OBS數據里擬合汽車的銷售量，有了這些行業數據以后就可以比別人更早地獲悉機遇，更早地在這些領域掉頭，或者增資。
從一些更細的因子來看，我們希望機器學習了各種指標后，找到那些相關的，最好是強相關的因素，包括搜索輿情，能夠在這個幾個指標上都能夠形成比較穩定的相關性。
雖然這講的是百度金融，但其實不止是百度金融，這也反映出來從互聯網金融，到科技金融、金融科技，整個演變過程，其行業前景都是要用好大數據、人工智能這些技術。
后記：
雷鋒網此前報道，今年百度世界大會金融分論壇上，百度立下以人工智能為中心的金融科技flag，從以上的介紹來看，大家如何看待百度金融的實力以及潛力呢？
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
