俗话说得好：“借钱看人心，还钱见人品。”即便我们不惮于以最坏的恶意来揣测人性，在借贷、保险等领域，各类欺诈手段依然层出不穷。比如，保险领域的骗保行为屡禁不止，而金融行业流行的“逃废债”一词，也是专门描述那些“有履行能力而不尽力履行债务的行为”。
如何让金融机构更好地降低潜在的欺诈风险呢？对此，权威分析机构Gartner的预测是：新的欺诈攻击正在以如此之快的速度如此复杂的发生，以至于基于规则和传统风险的评分模型无法应对。到2021年，50%的企业将在其欺诈检测解决方案套件中增加无监督机器学习能力。
借助智能反欺诈这样的手段，让金融机构更快地发现潜在的欺诈风险，从而增强金融安全。
欺诈风险已成行业痛点
早些年，专家有过一个保守测算：仅银行卡欺诈每年造成的损失就逾百亿，欺诈率高达万分之二。而在保险业，根据国际保险监管者协会的测算，全球每年约有20%至30%的保险赔款涉嫌欺诈，损失金额约800亿美元。
如今，随着传统金融机构业务互联网化和新型互联网模式的快速发展，互联网欺诈手段变得越来越多种多样，用户及互联网平台受到欺诈的风险也在急剧增加。有报告显示，随着欺诈技术的发展，黑中介和黑产出现深度融合的态势，开始以团伙形式开展线上贷款申请审批业务，骗取大量资金。
与此同时，这些黑产团伙还在借助大数据、AI技术等技术手段扩大欺诈覆盖面和精准度，围绕欺诈目的达成，黑中介伙同黑产构建了集用户数据获取、身份信息伪造和包装、欺诈策略制定、技术手段实施等一条完整的产业链。
相比较而言，银行通常采用的专家规则、黑名单库等方式对欺诈风险进行防范，已经力不从心。首先，专家经验得出的规则存在局限性，不可能覆盖所有业务场景；其次，欺诈者会针对性的对已有规则进行回避，专家规则无法跟上欺诈手段的更新换代；第三，规则积累达到一定数量后，误报率较高，影响实际风险决策的制定。
正所谓解铃还须系铃人，既然新型的欺诈手段伴随新技术而生，对于金融机构来说，这一行业痛点的解决同样需要依赖技术革新。智能反欺诈的出现，可以帮助金融机构主动预测网络威胁以制定对策，海量大数据则可以构建清晰完整的用户立体画像，减少欺诈隐患。
道高一丈：
智能反欺诈守护一片清宁
近年来，金融科技的蓬勃发展，让AI技术在金融反欺诈上的应用日渐深入。基于AI技术建立的反欺诈模型和反欺诈策略已经成为金融机构抵挡欺诈风险的有力武器。
与传统反欺诈手段相比，智能反欺诈可以利用机器对数据的大规模以及高频率的处理能力，将申请人相关的各类信息节点构建庞大网络图，并在此基础上建立基于机器学习的反欺诈模型并对其进行反复训练和实时识别，这无疑比专家经验所得出的规则更为全面。
不仅如此，智能反欺诈还可以基于庞大的知识图谱，监测整个互联网的风险动态，当发现信用表现出现风险的时候，能够及时做出风险预警，让金融机构真正做到“治未病”。
但对于传统金融机构来说，要建设新型的智能反欺诈能力并非易事，一方面，金融机构的数据维度较为单一，难以全面支撑反欺诈业务的开展；另一方面，金融机构在大数据、人工智能、机器学习等新技术上存在短板，在反欺诈上的应用上还不够深入。
因此，越来越多的金融机构开始寻求与科技企业合作，共同打造智能反欺诈系统。与此同时，以百度等为代表，在技术、数据等方面拥有优势的科技企业，也在积极打造面对不同金融业务场景的智能反欺诈方案。
其中，百度智能云推出的保险反欺诈方案，就是利用百度大规模计算、深度挖掘、机器学习和大数据建模等技术，基于互联网数据甄别欺诈骗保行为，建立的反欺诈体系；从而在理赔案件核查过程中，提供反欺诈体系的风险判别结果，帮助保险公司针对评估结果进行理赔核查资源配置的优化，降低无效赔付成本。
科技向善，未来，当大数据、人工智能等技术在金融行业的应用逐渐深入，智能金融将为更多企业、个人带来福音。