知识图谱技术在打击金融犯罪领域的应用_金融学_应用经济学_经济学论文_论文指导

知识图谱技术在打击金融犯罪领域的应用
金融学冯杨超

摘要：随着创新金融服务的快速发展，传统金融产品向在线金融产品的快速迭代以及网络犯罪和金融犯罪变化的出现，不仅给金融机构造成了金融损失，而且还损害了企业的声誉与带来了十分负面的影响。愈来愈多的监管压力也迫使金融机构重新审查现有的控制措施。而随着金融体系中的数据和信息量激增，新技术手段如AI（人工智能）、移动互联、知识图谱等的革新与发展，反金融犯罪领域也在寻求使用新技术提高管控水平的方法。

关键词：知识图谱；打击金融犯罪；反欺诈

一、应用知识图谱于反欺诈的合理性
随着外部日益增长的监管压力以及监管处罚管控力度明显加强的情况下，金融科技以及新技术的革新为互联网金融带来了新的机会，金融科技的发展意味了移动互联技术、知识图谱以及AI等新技术与金融行业日益融合的结果。一方面，新技术应用于金融极大地降低了金融领域的信息不对称性，优化了市场资源配置，切实推动了互联网金融行业的发展；另一方面，基于现代信息技术的新型欺诈手段也不断滋生，互联网金融行业中的第三方欺诈风险势头有所抬头，对于当前金融机构反欺诈形势愈发严峻。
金融机构借助新技术近些年来蓬勃发展，特别互联网金融的兴起，颠覆了传统的银行贷款模式，给大众带来快速便捷的金融服务，在互金行业中，借款端的风险是互金公司面临的主要风险，而借款端的风险管控水平可以说决定了一家互金公司的核心竞争力。
贷款风险的主要来源之一是欺诈风险。传统的反欺诈手段主要依靠金融机构信息审查人员的查验判断。但实际上，伪造个人身份信息的成本相当低，包括个人手提号码、企业地址、生活地址和身份证上相关信息等，等等，各类互联网金融机构只能被动投入大量资源，用来核查和核实客户相关信息的真实性，确认客户是真实本人。在这种环境下，利用大数据反欺诈已经成为互联网金融平台以提高风险控制质量的新模式。
大数据反欺诈要求通过大数据的技术手段来收集和深度挖掘数据。基于此结果，发现了欺诈者的隐藏痕迹，发现了相关欺诈信息背后的矛盾和可疑点，最终通过侦破相关欺诈规则，防止了组织发生相关事件。大数据通过计算手段获取了大量异构、类别多样的信息，基于以上数据，对信息开展交叉验证工作，包括但不限于第三方信息与客户提供的信息内容间的检验。特别对于外部第三方的信息来源，客户希望开展时间跨度长、全面的伪造，实施成本十分高同时难度也非常高，所以从实操上判断应该不太可行，因此金融机构利用大数据可具有较强的反欺诈能力。

二、反欺诈面临的挑战
大数据反欺诈技术应用主要拆解为两个问题，首先需要讨论金融机构在用户的授权下如何收集用户的相关数据，包括收集信息渠道以及收集数据类型，金融机构现状是对接了大量的第三方数据提供商的系统，在合法授权下，利用信息爬取工具抓取公开的互联网数据，从而不断完善和丰富数据集，增加覆盖维度；其次，需要讨论如何整合和利用已收集的数据解决反欺诈问题，由于数据来源多，数据异构碎片化，结构(structure)、半结构(semi-structure)和无结构（adhoc）数据共存，并且规模庞大增长迅速，此问题关键在于如何整合异构数据源以及如何对数据开展高效的交叉验证工作。
为了应对反欺诈相关挑战，通过知识图谱技术以其优秀的语义解析以及开放组织的能力，为开发互联网时代下的知识化组织以及相关智能应用奠定相关基础。

查看完整论文

点击下载

在职研究生招生信息网（读研网）

全国免费咨询电话: 08:00-24:00

知识图谱技术在打击金融犯罪领域的应用

QQ在线客服

QQ在线客服