度小满杨青：AI 防欺诈不应只是单点突破 要有「全链条」屏障

正所谓技术是一把双刃剑，人工智能在如火如荼发展过程中，利用 AI 技术造假、伪造等事件也是屡见不鲜。

就在前不久，国内某大型银行的人脸识别环节被诈骗分子攻破，诈骗团伙利用注入绕过、深度伪造等技术冒名顶替银行卡持有者本人，从其银行卡中盗取数十余万元。

诸如 DeepFake 这样的深度伪造技术，不仅对个人产生了影响和伤害，更是对各行各业带来了潜移默化的安全隐患，尤其是隐私度较高的金融领域。

那么面对如此现状，又该如何破解？

7 月 20 日，在「北大光华-度小满金融科技前沿技术研讨会」上，度小满技术委员会执行主席杨青介绍了前沿 AI 技术在金融领域的具体应用。

杨青认为，金融领域要做到 AI 防深伪，不仅仅是识别人脸的真假这么简单。在 AI 科技与金融不断深入融合的当下，获客、风控等日常环节均在朝着智能化方向变化。因此，金融领域的 AI 防深伪，不应当只是针对 DeepFake 这种技术的单点突破，而是要守住整个链条、每个节点的安全，建立「全链条」屏障。

随着人脸认证的普及应用，不法分子通过 DeepFake 这样的技术来伪造人脸的诈骗也日益增多。「眼见未必为实」，这类虚假视频肉眼往往无法识别，怎么防范这类新型风险？度小满的防深伪技术，运用了千万级样本；从中提取了多域视觉特征：包含傅立叶频谱特征、小波特征、和 RGB 空域特征等等，利用多特征融合共同辅助鉴伪。目前度小满防深伪技术已经可以覆盖各种深伪形式，比如静态人像图片活化和 AI 换脸等，千分之一误报率下召回为 90% 以上。

反欺诈是金融风控审核的第一步，目的是排除「坏人」，对于通过这一步的「好人」，如何判断他的信用，决定给多少授信额度呢？

央行征信报告是判断个人信用的最重要依据，但征信报告存在大量的非结构化数据，许多具备潜在价值的数据并未能被充分挖掘。为此，度小满利用 NLP 自然语言处理技术对它们进行分析和识别，再通过自监督预训练模型，从而达到从文本中识别用户风险的目的。

征信报告还蕴藏着大量的关联信息。对此，图机器学习模型便成了较好的解决方案，可以很好地识别、表达、利用关联信息并获得所需的知识，方便解决违约风险存在传导性等隐患问题。

但在 AI 技术双刃剑的这场「攻防战」中，仅是上述的努力还是远远不够的。对此，杨青表示，度小满还将持续加码技术，继续深入布局图计算、RPA 应用、多模态技术的落地应用；还将布局联邦学习，全面提升数据保障方面的能力；并且探索低代码技术，促进金融领域各项目的快速落实。

本文转自极客公园，如需转载请至极客公园官网申请授权。