从谷歌搜索到反欺诈 恒昌以知识图谱技术铸风控之盾

　　如果你是星战迷，看了N遍星球大战，你能说出《星球大战》系列的7部电影中出现了多少个角色、多少个种族、多少艘飞船、多少架战车吗? Star Wars API中的一张图就可以告诉你，这7部电影里，共出现了87名角色、21颗星球、37艘飞船、39架战车、37个种族，还能告诉你，这228个实体之间的1112种关系，这就是知识图谱技术。据开发者介绍，Star Wars API是开发者经过漫长的搜集和整理，通过一系列数据收集和统计分析，汇总了上面提到的多项星战电影数据，最终形成量化的、可供编程使用的星战数据集。通过知识图谱的展示，哪怕没有看过星战的人，也可以很直观迅速地了解星战错综复杂的角色关系。据说这种神秘的技术曾经应用于情报安全部门，为反恐立下过汗马功劳，后来从007谍报人员仰赖的神秘技能演变为互联网金融黑科技。

　　据文献报道，知识图谱最初的雏形可以追溯到1965年Price博士在顶级期刊《Science》上发表的文章《Networks of Scientific Papers》，通过对科学论文相互引文规律进行研究，成为一个以引文分析和网络分析为研究内容的新研究方向。大规模知识图谱的真正应用则是源于Google公司于2012年5月将知识图谱引入搜索引擎。知识图谱本质上是语义网络，是一种基于图的数据结构，由节点和边组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。通俗地讲，知识图谱通过大数据的爬取和挖掘，深度分析，提供了从“关系”的角度去解决问题的能力，把所有不同种类的信息连接在一起，就能得到的一个突破碎片化信息壁垒的关系网络。

　　目前，知识图谱在金融、医疗、电商等行业应用广泛。在金融行业中，通过知识图谱进行反欺诈是一个重要的应用。基于大数据分析的反欺诈，应用难点在于如何把不同来源的结构化或非结构化的数据整合在一起，并构建反欺诈引擎，从而有效地识别出身份造假、团体欺诈、代办包装等欺诈行为。而且不少欺诈行为实施会基于复杂的关系网络，这也给欺诈审核带来了新的挑战。知识图谱作为关系的整合、联通以及表达解析方式，可以很好地解决这两个问题。首先，知识图谱的优势是可以非常便捷地添加新的数据源。其次，知识图谱本身就是用来表示关系的，这种直观的表示方法可以帮助我们更有效地分析复杂关系中存在的潜在风险。如同火眼金睛，让你一眼识别其中真相。

　　作为普惠金融的践行者，恒昌目前已将知识图谱、用户画像、大数据等技术在恒昌公司旗下平台付诸实践。因为在当前中国普惠金融基础设施不完善的环境之下，征信系统不成熟，导致网络借贷存在很多欺诈风险。恒昌深刻认识到金融创新技术是解决这些问题的最佳之选。恒昌在数据挖掘、深度学习、大数据风控、量化决策、图算法等技术研发上投入大量资源。其中，恒昌将知识图谱技术的研究成果应用于风控实践上。为了构建包含多数据源的知识图谱，我们把与借款人相关的所有的数据源打通，整合成为一台机器可以理解的结构化的知识。这个过程中，不仅整合借款人的基本信息，还把借款人的消费记录、行为记录、网上的浏览记录等整合到整个知识图谱里，从而进行分析和预测。而这里的技术难点是很多的数据都是从网络上获取的非结构化数据，需要利用机器学习、自然语言处理技术把这些数据变成结构化数据。此外，恒昌还将知识图谱技术应用到防控和追踪组团欺诈上。除了贷前的审核风险控制，知识图谱也可以在贷后发挥其强大的作用。比如，在贷后失联客户管理的问题上，因为一些借款人在成功借款后出现不还款现象，而且故意玩“失踪”，联系不上本人，即便试图去联系借款人曾经提供过的其他联系人，但还是没有办法联系到本人，这就进入“失联”状态。而知识图谱可以帮助企业挖掘出更多潜在的新的联系人，从而提高贷后催收的成功率。

　　在技术驱动变革的时代，恒昌始终将“风险控制”作为平台生命线，致力于以先进的金融创新技术护航平台安全，以知识图谱等最前沿的高新技术铸风控之盾，打造一个安全、高效、用户体验好的互联网金融平台。