在金融领域中,随着技术的发展,风控面临着一系列新的问题和挑战。其中,欺诈手段的层出不穷以及团伙作案的隐蔽性提高,使得现有的风控系统难以应对。黑产和中介攻击手段的升级,如设备更换、联系人变化和不同作案场所等,进一步增加了风险识别的难度。此外,AI欺诈手段如换脸、换声等技术的使用,使得不法分子可以利用高逼真的生成式AI技术绕过摄像头采集,实施攻击。这些挑战导致了模型性能出现瓶颈,传统的建模方法难以应对日益高明的AI欺诈手段。
为应对这些挑战,王小东提出了基于大模型的多模态智能风控解决方案。大模型结合了自然语言处理(NLP)和计算机视觉(CV)的能力,可以对结构化和非结构化的数据进行分析处理。生成式大模型主要进行文本、视频、图像的生成,而其他非生成式大模型则以概率输出,能够在金融领域参与策略决策和应用。通过融合这些技术,金融机构可以更好地识别和预防各种新型风险。
文章中提到了一系列具体应用案例,包括身份证风控。不法分子利用各种手段对身份证进行造假,如脏污、字体造假、贴纸等,甚至进行拼接和人像替换,以绕过风控系统。此外,攻击手段还包括3D面具、电子头、AI换声等高技术含量的伪造行为。这些攻击手段的多样化和逼真性,使得金融机构必须提高其风控技术的水平。
在风控技术方案中,生成式大模型可以通过对话问答生成标签实现风控,而非生成式大模型则通过训练模型概率来实现。大模型结合小样本微调可以快速开发出针对性的风控策略。方案强调需要积累大量的正负样本,并且模型主干网络需要统一,而Head层可以不一致。
文章还探讨了大模型在金融风控中的可行性,提出将大模型与音视频通讯能力、智能客服、智能催收等多方面技术结合的可能性。例如,MaaS(Model as a Service)智能客服和智能营销能够提升客户服务效率,而RTC(Real-Time Communication)技术则可以实现实时风控。
金融风控正面临前所未有的挑战,而多模态智能风控方案的落地实践,特别是结合大模型的技术,提供了新的解决方案。这些方案不仅提高了模型性能,也拓宽了风控策略的应用范围。未来,金融风控技术将更加注重与人工智能技术的结合,以应对更加复杂和多变的风险挑战。
2025-06-14 15:05:12
10.7MB
1