技术促进合规，合规驱动流通，流通创造价值

| 技术促进合规，合规驱动流通，流通创造价值 ——《⾦融业智能风控实践⽩⽪书》发布 李超 腾讯云天御首席科学家 智能风控，是⾦融⾏业数字变⾰三⼤主线的重要交汇点 数据要素流通 技术驱动数据“资源型”流通 市场驱动的数据“要素型”流通 建⽴⾃由流通的底层法律框架和⾏业共识 构建⼀体化，覆盖政企的底层基础设施和运营机制 数据深度融⼊⽣产分配流通消费各环节，激发产业增效 智能应⽤深化 依赖规则引擎和静态模型 智能风控 从规则对抗到模型对抗 建⽴⾏业级、平台级的群防、联防机制数字化⼿段深度应⽤ 普惠⾦融升级 传统⾦融 数字化⾰命 ⽤算法代替⼈⼯ ⽤全⽣命周期数据代替碎⽚化数据 商业银⾏数字化战略 搭建安全、敏捷的技术能 ⼒，推进数据使⽤、流转、治理，保证数字化能⼒对业务线和价值链的赋能。 智能风控 驱动⾦融创新与服务升级 重构风险管理体系 激活数据资产价值 促进产业⽣态协同 《中共中央国务院关于构建数据基础制度更好发挥数据要素作⽤的意见》 创新数据产权观念，淡化所有权、强调使⽤权聚焦数据使⽤权流通，提出“三权分置”的数据产权制度框架，构建中国特 ⾊数据产权制度体系 建⽴安全可控、弹性包容的数据要素治理制度 促进数据合规、⾼效流通使⽤、赋能实体经济，以充分实现数据要素价值，促进全体⼈民共享数字经济发展红利 明确“谁投⼊、谁贡献、谁受益”原则下的数据要素价值分配机制 数据要素流通：重构⽣产⼒与⽣产关系，实现⾦融数据价值的最⼤化 维度 传统要素 数据要素 创新核⼼ 稀缺性 优先 ⾮竞争、可复⽤ 激活存量，避免垄断 流动性 地域限制 跨时空⾼速流动 构建统⼀的市场与跨境规则 价值规律 边际收益递减 边际收益递增 重构定价与分配机制 风险特征 物理风险 安全与伦理风险 强化技术治理与法治保障 智能应⽤升级：从“规则对抗”时代进⼊“模型对抗”时代 规则对抗模型对抗 ⿊产技术升级 AI伪造“仿真⼈”突破静态规则 •传统规则依赖历史数据与⼈⼯经验，但⿊灰产利⽤ ⽣成式AI动态⽣成“千⼈千⾯”的欺诈⾏为（如伪造 ⽣物特征、虚构⾝份），其攻击⼿法⾼度动态且⽆固定模式，静态规则⽆法实时识别新型欺诈特征。 •针对⿊灰产新型恶意攻击来袭，⾦融机构普遍达成风控策略新共识，主动引⼊⼤模型构建更强风控能⼒。 •银⾏机构⾼度看好AI⼤模型与风控场景的结合，⾦融风控⼤模型的成功应⽤案例⽇益增多。 •众多银⾏机构落实“模型对抗”风控策略，⾯临风控迭代速度慢、海量数据采集处理烦、定制化风控建模难三⼤挑战。 • 银⾏机构倾向引⼊“第三⽅技术”与“合作开发”破局，构建“模型对抗”风控策略。 需求层 知识蒸馏定制反欺诈模型 API服务客户风控系统 ⽴体防御 定制建模 实时迭代 ⾦融风控⼤模型 MaaS Prompt样本 实践层 MaaS+⼤模型模式：定制化模型，能根据业务场景动态建模，持续迭代 + ⿊产知识库AI算法 数据依赖局限历史样本⽆法预测AI新型攻击 •AI驱动的欺诈缺乏历史样本导致传统模型误判率飙升。 •客群下沉（如新市民）带来数据异构性，通⽤规则难以覆盖差异化风险特征。 智能风控 规则迭代滞后 ⼈⼯更新速度远低于攻击频率 •传统规则需⼈⼯增补策略，响应周期长，⿊产每⽇可⽣成新攻击⼿段（如24⼩时⾃动化欺诈模型）。 ⼤模型时代要求风控系统具备毫秒级动态建模能⼒，传统规则难以实现⾼频对抗。 通⽤模型失效单⼀规则⽆法适配多场景需求 赁），不同客群与产品风险因⼦差异显著。 •⾦融机构业务场景碎⽚化（如信贷、⽀付、租 •传统“⼀⼑切”的通⽤风控规则缺乏定制化能⼒。 普惠⾦融升级：为经济复苏构建数字化的⾦融引擎 ⾯对⼴阔市场，成本结构失衡 借贷双⽅信息不对称 增量放缓 智能风控 •服务成本⾼企 •征信数据来源单⼀且滞后 •⾦融机构缺乏市场动⼒ •现有信⽤评估难取信 •征信数据相对静态 •风险敞⼝被恶意利⽤ •增量红利消退：新增放缓、获客成本激增 •存量价值深挖：存量复贷、交叉转化 •运营效率瓶颈：传统⼈⼯审批 助⼒⾦融机构从“抵押物依赖”转向“经营数据信⽤化” •整合多源数据“流⽔、公积⾦、经营单据”，填补征信数据空⽩ •区块链存证+公证处司法鉴证，保障 真实合规 •全流程线上化，数据甄别速度从数 ⽇缩短⾄2分钟 ⽤算法代替⼈⼯， 降低服务成本和运营负担 •特征平台全流程⾃动化，秒级响应 •数据清洗→特征⼯程→模型部署⾃动化闭环 •“数字化平权”，县域⾦融机构可实现 决策“弯道超车” 精细化风险运营先⼈⼀步，好⼈⼀点 •动态客群分群：基于画像实现差异化定价与额度策略 •贷后实时监控：利⽤⾏为数据预判风险，⾃动触发⼲预机制 •资源精准投放：优化渠道与产品组合，降低长尾客户服务边际成本 以技术架桥，打通合规-流通-增值的⾦融数字化闭环 扫码下载完整⽩⽪书 《⾦融业智能风控实践⽩⽪书》 匹配场景的联防联控体系 零售信贷欺诈管理存量客户风险运营普惠⾦融风险管理电信⽹络诈骗治理账号⾝份风险识别 动态风控模型对抗能⼒ 精细|模型矩阵设计敏捷|模型持续迭代精准|风控⼤模型 价值驱动的数据合规治理 丰富|多维度数据决策智能|⾃动化数据分析合规|价值驱动的数据管控 ⾦融风控智能全景图 应⽤ 模型 数据 品牌保护 虚假仿冒 天御决策系统 设备安全 动态风险治理环境风险 天御智能⾦融风控服务体系 业务场景 零售信贷欺诈管理 账号⾝份风险识别 注册 营销 ⽤户旅程 RCE 多场景，全流程的动态全⾯风险治理⽅案 普惠⾦融风险管理 电信⽹络诈骗治理 ⽀付欺诈管理 ……… 申请 交易 存量运营 风险处置 天御⾦融风控⼤模型混元⼤语⾔模型 ⾦融反电诈信贷反欺诈 ⽀付反欺诈流量反欺诈 涵盖事前、事中、事后的模型对抗体系 威胁情报模型 涉诈倾向预测模型 反欺诈模型 客户画像模型 信⽤模型 环境风险检测模型 流量前筛模型 被骗受害⼈预警模型 ⿊产威胁情报模型 提额模型 回捞模型 风险预警模型 ⽀付⾏为模型 可信⽤户模型 异常检测模型 营销风控模型 事前事中 事后 智能解控提额模型 拒付回捞模型 异常趋势监测模型 ⾏业风险模型 场景风险模型 易诉模型 隐私计算 计算 联邦学习安全求交多⽅安全 RPA流程 ⾃动化 信鸽 区块链存证防篡改 DDTP分布式数据传输 天御Plus ⾃动化回溯⾃动化建模⾃动化发布 全⾯数据 合规的⽴体风控数据要素 政务数据 ⾦融数据 替代数据 社保公积⾦ 个税记录 电⼦证照 ⽀付账单 银⾏流⽔ 信⽤历史 涉诈号码 ⾼危⽹址 ⿊产APK 数据：价值驱动的合规技术创新 政务数据 ⾦融数据 替代数据 社保公积⾦ 个税记录 电⼦证照 ⽀付账单 银⾏流⽔ 信⽤历史 涉诈号码 ⾼危⽹址 ⿊产APK 全⾯数据 隐私计算 信鸽 天御Plus 联邦学习 安全求交 多⽅安全计算 RPA流程⾃动化 区块链存证防篡改 DDTP分布式数据传输 ⾃动化回溯 ⾃动化建模 ⾃动化发布 模型：涵盖事前、事中、事后的模型对抗体系 天御⾦融风控⼤模型 混元⼤语⾔模型 ⿊产威胁情报模型 被骗受害⼈预警模型 涉诈倾向预测模型 威胁情报模型 智能解控提额模型 事前事中事后 ⾦融反电诈信贷反欺诈 ⽀付反欺诈 流量前筛模型 流量反欺诈 反欺诈模型客户画像模型信⽤模型 提额模型回捞模型 ⽀付⾏为模型 风险预警模型 场景风险模型 ⾏业风险模型 营销风控模型 异常检测模型 可信⽤户模型 环境风险检测模型 易诉模型 拒付回捞模型 异常趋势监测模型 业务场景 ⽤户旅程 风险处置 存量运营 交易 申请 注册 营销 品牌保护 虚假仿冒 天御决策系统 动态风险治理 设备安全 环境风险 RCE 账号⾝份风险识别 应⽤：多场景，全流程的动态全⾯风险治理 零售信贷欺诈管理 普惠⾦融风险管理 电信⽹络诈骗治理 ⽀付欺诈管理 ……… 中国银⾏深圳分⾏：通过区块链、RPA等技术创新，构建线上化、⾼可信的普惠⾦融业务 中国银⾏在深圳推出普惠⾦融产品“深商贷”致⼒于解决个体户融资难，融资贵的问题 授信审批 客户经理⼿动录⼊ 客户申报收⼊、经营流⽔ 贷款申请 •缺少线上途径收集，依赖客户⾃主申报 •客户经理⼈⼯处理，存在数据安全风险和道德风险 •申贷流程有断点，授信效率低 获取授信额度 业务瓶颈 •缺少了解客户收⼊的线上途径，缺授信依据 •⼈⼯处理申报数据，不能确保真实性和审批效率 传统商户贷流程和痛点 区块链 信鸽 + DDTP 分布式数据传输协议 RPA 应⽤腾讯“信鸽”的区块链和RPA技术 解决了商户经营数据难收集，难验真的问题，实现了分钟级申请服务 贷款申请 A 线上提交经营数据： 线上授权提交，确保数据真实，流程效率⾼ 线上评估 线下尽调 B 授信审批： -基于流⽔信息⾃动给出额度建议 -基于信鸽分析报告，对客尽调复核并快速授信审批 获取授信额度 C 体验好： 全线上分析审批，效率⾼、标准化，快速获得授信结果 •⽤户材料提交全流程⼩于5分钟，最快当天到账； •银⾏流⽔和⽀付交易信息分析全⾯，授信依据充⾜； •线上评估授信和线下尽调交叉⽐对，降低欺诈风险和道德风险； 授信审批 线上提交 中国银⾏“深商贷”业务流程 信鸽产品：以技术促进合规，降低数据应⽤门槛，为⾦融机构提供⾼价值服务 ⾦融业务缺少合规化个⼈数据？ 信鸽提供清洁环境技术服务，⽤户⾃主提交原始数据⾄⾦融机构使⽤ 在个保法的保护下，获取⽤户数据更难、成本更⾼，合法合规获取到⽤户 数据是做好⾦融服务的基础 ⾃主获取 ⾃主提交 ⽤户 部分地区接不到数据或对接难度⾼，维护成本⾼，遭遇断直连后⽆数据可⽤ 官⽅数据源web/App 业务⽅数据使⽤⽅ 对接难 公证处存储 缺少特⾊数据，缺乏线上对接途径，⽐如流⽔账单等 信鸽搭建安全合规的清洁环境，用户完成操作取数并自助授权提交给银行使用数据， 全程受控防篡改 收⼊类 •全国公积⾦ •部分城市社保 •全国个税纳税记录 流⽔类 •个⼈账单 •全国国有、股份⾏、地区银⾏流⽔ 资产类 •理财证明 •部分城市不动产 资质类 •全国学历/学籍 •⾏驶证/驾驶证 与百⾏征信合作，提供个⼈补充征信报告 全⾏业累计服 务千万级⽤户 全⾏业累计调 ⽤量超亿次 已为⾦融⾏业 稳定服务3年+ 当前服务⾦融 机构200+ 全⾯⽀持多类数据源 合规驱动技术赋能价值应⽤ 某头部互⾦公司：⾦融风控⼤模型帮助实现⾼价值客户挽回 该客户在贷前和贷中客户留存场景使⽤⾦融风控⼤模型解决⽅案，以降低客户流失率并挽回⾼价值客户 客户需求 ⼤模型⽅案 通过客户 增强知识 申请客户 ⾦融风控 ⼤模型 回捞模型 被拒绝客户 被拒绝客户 如何从拒绝的客户⾥⾯挽回潜在⾼价值客户？ 图1：模型效果(KS) 20 18 16 14 12 10 8 6 4 2 0 10% 线上通过率提升 保持风险阈值不变 在风险不变的情况下，线上通过率由27%提升到30% 20000+ ⾼价值客户挽回 置⼊新增年化客户数 业务量和收益增加 传统⽅案 ⼤模型⽅案 1000万 置⼊新增年化收益千万级 ⼤模型⽅案能够带来12%的模型效果提升，在⾼价值⽤户挽回流程中能够多挽回20%的潜⼒客户 天御⾦融风控⼤模型：⼀键适配各种场景，区分度提升20% 依靠⾃⾝的“知识积累”，⾼效解决“⼩样本”训练难题，⼀键适配各种场景，模型区分度提升20% 全知识全知识全知识 ⼤模型优势 有标签知识库⽆标签知识库 贷中信⽤贷前回捞样本元信息时间、场景、ID信息等⿊产类欺诈类信⽤类 知识 “⼤⽽全”风险模型“低门槛”风险模型 embedding 异构有标签知识 知识挖掘 专家模型 ⾦融风控⼤模型 客户样本 ⽬标场景定制模型 助贷 •全量异构特征&来⾃不同领域模型的半监督学习 信⽤卡 •海量⽆标签知识（ 以上） 1B •少量样本即可适配，有标签和⽆标签样本均可 •⼀键⽣成客户场景定制模型 异构⽆标签知识embedd