腾讯安全金融风控总经理陳波：风险结构变化中的金融风控抉择

21世纪经济报道记者  家俊辉  长沙报道

日前，由 21世纪经济报道联合腾讯安全主办的“共建金融风控科技”系列闭门研讨会第五场在长沙举行。当天，腾讯安全金融风控产品总经理陳波在研讨会上详细介绍了腾讯云金融风控大模型的相关情况。

“腾讯的很多业务都会面临网络黑产攻击威胁，我们就不得不发展对抗黑灰产的能力，来保障自己业务健康发展。”谈及腾讯安全涉足金融风控领域，陳波表示，腾讯安全发现对抗黑灰产的能力不仅是腾讯内部各个业务生态的需要，外部机构特别是金融行业的各种场景也有强烈的需求，比如反欺诈、风险评估。

对于腾讯安全研发金融风控大模型的初衷，陈波指出，随着线上合作发展零售信贷业务遇到一些瓶颈，比如渠道获客成本提升并且风险增加、自营业务需要更精细化运营，尤其是近两年来黑灰产发展较快等，这都需要对信贷客户在不同业务场景不同环节做动态风险管控，降低高风险客户带来的资产损失，提升优质客群的转化效率。

“存量风险的上升，对金融风控提出了越来越高的要求。如果风险模型不变，只是做策略调整，通过调整风控规则阈值收缩准入率来控制风险，抗风险能力是非常弱的，因为风险结构可能已经发生了变化”，在陳波看来，通过动态调整，模型对抗比策略对抗更及时、更敏捷，不过这对金融机构的模型迭代、数据处理、样本更新等方面的能力都有较高的要求。

根据陈波介绍，腾讯云金融风控大模型是市场上发布比较早的，也是比较头部的风控大模型，但在应用上已经非常成熟，可以弥补部分金融机构部分能力的欠缺，有效提升金融风控水平。

一方面，基于腾讯安全丰富的业务样本和黑灰产对抗经验，以及沉淀的跨业务场景的多模态风控知识库，腾讯金融风控大模型覆盖了不同业务场景的模型、特征和标签等，可以有效满足各类金融机构的风控需求。还有，会对金融机构通过Prompt方式提供的无标签样本或者小样本做知识抽取，与多模态知识库做知识融合；最后通过强化学习对生成式样本做模型训练，相比传统的小样本学习算法的KS（Kolmogorov-Smirnov，评估模型效果的一种指标）提升20%以上。

另一方面，在单个业务场景训练模型背景下，由于信贷业务发展速度快，模型训练一般使用的是过去一段时间的历史样本，几个月后就会出现模型效果衰退，但腾讯云金融风控大模型融合了海量跨场景风控知识库，能够覆盖不同类型的欺诈和违约模式，模型泛化能力比较强。

此外，腾讯云金融风控大模型实现了全流程自动化，通过对话框实现无代码专家级建模，自动化特征工程，自动模型寻参，自动生成360度模型评估报告，并且还提供了专家级的模型筛选策略，模型迭代速度非常快，传统风控模型，能力比较强的服务商从入场到模型搭建到测试到发布上线，整个过程需要两个星期，腾讯云金融风控大模型只需要两天就可以完成整个流程。