顶象深度画像亮相GMIC，用AI提升金融反欺诈
“最近Facebook信息泄露问题，再次让隐私保护成为焦点”。在4月27日GMIC 2018上，顶象技术首席科学家施亮表示，去年《网络安全法》的实施以及欧洲GDPR标准(常规数据保护规定)的推进，让隐私数据的保护已经成为共识，“所以，我们做AI的更要重视对隐私敏感数据的保护”。
GMIC是全球规模最大、最具影响力的移动互联网行业会议之一。今年主题是“AI”生万物，来自全球顶尖的AI科学家、企业家、投资家、行业专家，分享了基础硬件、大数据与开源平台、深度学习为代表的算法等人工智能领域的最新洞见，并探讨AI在各行业中的应用等。
AI应用中的两大需求：隐私保护和快速复用
全球正加速走进AI时代。而AI是由数据驱动的，没有数据，AI无法进行针对性训练、识别、预测，也就不能理解人们的需求，人们也享受不到精准、智慧的服务。今年3月，央视《中国经济生活大调查》栏发布了一项针对AI认知度调查显示，8成受访者担心AI会威胁自己的隐私。专家认为，数据隐私、数据权属是AI进一步发展需要解决的重要问题。
顶象技术首席科学家施亮在主题为《AI时代的反欺诈》的分享中表示，顶象的深度画像技术通过深度学习网络嵌入式表示等算法，学习多维连续空间表征，能够对复杂关系的数据进行挖掘并进行可视化展示，有效屏蔽隐私数据，良好实现能够在不同业务、不同场景下模型快速复用，达到提升互联网反欺诈效果。
为了直观展示深度画像技术下的反欺诈效果，施亮现场展示了一组深度画像技术下的反欺诈应用效果实际数据可视化图。
左边的图是用户访问热度图，颜色越偏向紫色端，同样访问行为的用户就越少，越偏向黄色端，用户的这一访问行为就越多;右边的图是基于顶象设备指纹威胁情报数据的渲染：中间的红色是已知的真实有效的正常用户，散落在周边的蓝色区域就是欺诈用户、虚假注册或是未知的账户，正常用户行为体现了很好的聚合性，一目了然。
“从这张对比图上，清晰能够看出深度画像技术可视化对欺诈用户识别的帮助和直观的理解”，他进一步介绍说。
顶象深度画像技术是如如何炼成?
基于业务数据和埋点数据，通过分类聚类、相似度计算、异常检测、推荐搜索等，对海量数据进行分析和挖掘，产生具有业务价值的用户标签，勾勒出用户画像。从而及时辨别各类欺诈风险，完成用户的信用评估，并能够精准对目标进行营销。
施亮介绍说，顶象深度画像技术除了使用传统画像技术的数据抽象外，在网络结构上使用当前前沿的DeepWalk、Node2Vec、GCN等嵌入式表示技术;在目标函数上使用多种无监督学习、有监督学习、半监督学习的技术，也会使用基于目标函数损失、聚类分析、数据可视化、采样抽查等进行验证。
有听众问企业如何像顶象一样构建适合自己业务深度画像技术?施亮现场“推销”起了顶象的智能分析平台。
他说，通过顶象智能分析平台，技术人员可以通过鼠标拖拽对机器学习、模块进行方便快速的定义，对建模过程等进行配置、部署，不需要写一行代码。“不仅可以定制专属的模型，也可以引入共享的模型”。
AI能有效降低金融成本，提升反欺诈能力
相关机构2017年7月颁布的《新一代人工智能发展规划》提出了“智能金融”的重点应用方向，鼓励创新智能金融产品和服务，发展金融新业态，鼓励金融行业应用智能客服、智能监控等技术和装备，建立金融风险智能预警与防控系统等。
金融是高度数据化的行业，AI技术可以在身份认证、风险控制和个性化运营方面为金融机构提升效率。比如，在前端，AI技术可以用于反欺诈和服务客户;在中台，AI技术支持无人工审核授信和放款、各类金融交易和金融分析中的决策;在后台，AI技术可以用于风险防控和监督。
毋庸置疑，金融业是AI最好得到应用的行业。AI应用能够大幅降低金融行业成本，并显著提升金融风控及业务处理能力。