一、市场调查目前，市场上主流风电控制模式1、互联网金融前十位排名(数据截止日2017-09-12 )互联网金融公司排名分别为蚂蚁金服、陆金所、京东金融、苏宁金融、百度金融、腾讯1.1蚂蚁金服1.1.1大数据技术
通过用户信用历史、行为偏好、履约能力、身份属性、人脉关系5个维度对第三方征信公司芝麻信用部分进行海量数据综合处理评价，同时给出阿里电子商务和阿里金融服务的互联网金融交易数据，与公安系统、第三方数据公司(这就是用户图像的作用，投资者图像、融资企业/个人图像，这个内容很复杂。 以后一定要开展分析，制定风险价格，推荐系统全靠它)1.1.2人脸识别技术
人脸识别技术的核心算法分别是生物检测算法、图像去敏算法和人脸匹配算法，在国际公开人脸数据库LFW上，人脸识别算法的准确率(99 )。 (此类技术已经成熟，百度已经推出成型产品，可以通过人脸识别对融资企业/法人进行风险验证，是否存在风险欺诈、多头贷款等嫌疑)1.1.3云计算技术
在开放的云平台上，支持金融创新，帮助金融机构升级IT体系结构，构建更加稳健、安全、经济、灵活、创新的金融级APP应用程序。 (实际上是高可用性、可靠性等)1.1.4风力控制技术
个性化验证历史交易数据，提高账户安全性。 80%左右的风险事件可以在智能风控环节解决。 除事后审核外，事前预防、事中监控也非常重要——事前对账户风险进行分级，根据不同账户对应不同的风险等级； 对事件中新上线的产品进行风险评审及监控策略方案评审。 为了解决80%的问题，这是真正的核心。 贷前、贷中、贷后等各方面监测、贷前最为重要，如何去检查、抓住哪些数据、与哪些第三方平台合作(1.1.5人工智能技术
蚂蚁金服通过大数据挖掘和语义分析技术实现问题的自动判断和预测。 识别用户的身份信息，在大用户层面总结大家可能遇到的问题，100%自动语音识别。 智力测试能力和智力赔偿能力具备质量判断能力和情感判断能力。 (总结：公司电脑的人工语言不完整，很多关键词无法识别。 应该没有和这个后台的交流。 数据都死了。 移动端也可以考虑在目标详细页面上介入draglayout控件，进行智能语音服务，解决用户的疑问。 技术核心是数据挖掘、语义分析技术等方式(1.2陆金所风控调查1.2.1七步风控体系
1、风险政策制度框架体系：所有交易对手和产品的引进都要制定明确的风险政策指导，所有业务都要在制度框架内运行。 )简言之，控制自己的业务流程，对投资者和融资用户进行风险分级；2、信用评级)对交易对手和产品进行主体评级和债项评级。 (对投资者、融资用户、产品进行风险分级) 3、信息披露)每个产品的内部评估、下级资产、主要风险、还款来源、保障措施。 (对于目前的风险披露数据，只是按照国家要求进行风险披露，但投标方产品没有进行风险披露，融资企业进行风险披露。 该披露系统编制了风险评估报告，后期一定可以使用企业供应链关系库) (但部分数据上市数据不完整； ) 4、投运后预警监测)销售资产均至少每3个月检查一次。 对于融资周期过长的企业，可以每三个月报告一次企业经营状况，如果重点关注资金用途、退款方式以及周期的皱纹企业足够强大，利用大数据征信，对未按时获得融资的企业用户的企业进行黑名单系统风险管理系统：陆金所风险管理系统覆盖全产品线、全产品生命周期，实现风控标准化、智能化、建模，大大提高陆金所风险管理工作的效率和效果。 (这些东西太虚了) 6、风险评估体系)在同一风险水平上给予业务部门不同的绩效评估。 7、资产、资金精准匹配：投资者进行风险分类，产品和投资者风险匹配系统，让投资者买到适合投资风格和风险偏好的产品。 (个人认为，这才是风控的意义，也有我们平台本身的存在价值； 具体实现方式为：利用图像技术对投资用户、融资用户、目标产品进行风险等级划分，通过数据挖掘进行实时推荐)
风险评估分为投资者风险等级分类、融资企业信息等级分类和目标产品等级分类三个部分。
投资者分级：可以参考传统投资标的利率、投资金额、投资者启动资金、投资者提取金额，也可以通过评估投资者的基本个人信息，如移动设备安卓、IOS、年龄、居住地、职业、投资者等维度
融资企业分级：企业所在行业的总体现状、国家政策是否支撑、企业纳税证明、银行流水、公司规模、注册资本等维度
目标产品：项目所属行业、项目总体周期、项目成本、利润率、项目合作企业、项目合同、发票等内容等维度的投资用户与产品匹配度
基于风险评估体系高度匹配融资用户、产品标的内容信息。 这部分需要使用数据挖掘，并推荐系统。 也可以根据用户过去投资目标的金额、利率进行离线推荐，根据用户点击流日志分析进行实时推荐，并提供详细页面在某个目标上的停留时间、目标点击次数信息。 1.3京东金融风控调查1.3.1用户须瞬间支付
例如，判断用户设备信息、注册行为、访问特征、信用状况、商品信息、业者特征、配送区域、银行卡的状态等. 建立信用、反欺诈、虚假交易等一系列模型时，其中最多100个模型需要实时计算。 像这样庞
大的运算量在一秒内，甚至几十毫秒内完成，不是易事。 (感觉这些内容任何一点都够我研究一段时间的)1.3.2 风控的灵魂是数据，所有决策都以数据为驱动
1、业务系统产生的数据和点击流作为主要挖掘的素材来源；但是随着时间推移，恶意用户可以模仿真实用户。因此才会用设备指纹识别，生物探针，语音识别，人脸识别等。
2、风控模型
原始层数据： 由于原始数据存在杂乱无章的现象，此处使用各种颜色来示意
数据原子化： 数据原子化是经过整理后，把数据按业务归属分类，形成最原子的类别，比如账户，资金，投资，消费等
数据抽象层： 按风控关注的业务做数据整合，这层是最贴近业务的。每一块代表一类业务，一个原子数据类是可以被放入多个抽象数据块里的
数据模型层： 对分析场景使用的，基本就是一个数据模型块对应一个分析场景。
3、机器学习在京东金融的天盾风控系统应用根据经验，在算法的选择上尽可能的多做选择，对比模型的性能择优选取。另外，对样本库做好治理工作，可使用随机抽样和使用聚类把样本数据分层抽取。这些工作是建模人员在大数据环境中也就是离线做的，那么，怎么把训练的模型应用到线上做实时呢，下图是架构：
京东金融目前正在开发机器学习平台，让懂机器学习的人就可以使用机器学习做想的事情，当前懂机器学习的人不在少数，但真正使用机器学习做具体事情不多，故此平台不但满足内部建模训练、发布等，还可对外输出。
数据风控还有很长的路要走，如量化投资风险评估与运营也属风控范畴，风控也可和推荐领域相结合。如数据会有阶段性差异，质量会随时间推移，慢慢发生变化，可能花费很大精力产出的预测产品会失效，调整代价难易不可估。如不同场景准确度和覆盖度都是不同的，尺度如何把握。如怎样能降低统计分析学和分布式计算相结合的成本等等。
总之，互联网金融风控核心还是服务客户，提升产品价值，最大程度的做到差异化的防范，智能化是风控的发展方向，京东金融从开始就致力于打造智能化的风险管控解决方案。(机器学习部分了解)
20强榜单分为三个梯队，三个梯队覆盖的放贷机构数量依次递减，大致比例为10:3:1。
第一梯队（5家）：放贷类公司使用最集中的征信机构，分别是上海资信、同盾科技、芝麻信用、鹏元征信和百融金服。
第二梯队（8家）：FICO、聚信立、致诚信用、EXPERIAN、安融征信、考拉征信、前海征信、维氏盾征信。
第三梯队（7家）：GEO集奥聚合、白骑士、华道征信、立木征信、算话征信、银联智策、正信用。
前海征信可以获取到个人用户的公积金信息。芝麻信用目前是最优秀的征信公司，当中很多公司有自己渠道去获取用户的信息 。
3、国家政策法规 1、 个人单平台借贷余额不能过20万2、 个人全部平台借贷余额不能过100万3、 企业法人单平台借贷不能过100万4、 企业全平台不能过500万
从政策层面上来p2p服务的是属于中小企业，p2p行业不利。因此风控显的更加尤为重要。通过风控模型获取优质的资产。
二、风控模型风控模型应该是从两个角度去考虑，第一个角度是资产端风控策略，第二个角度是资金端风控策略。考虑主要出发点应该是从贷前、袋中、贷后三个方向去考虑，结合传统业务的风控模型和互联用户的行为数据。针对资金，资产进行风险等级划分，防欺诈系统、袋中的舆情监控、贷后的权重叠加。
1.1 欺诈用户的识别 1.1.1、防欺诈风控系统，下面我列举的参考维度指标；针对黑色产业业务梳理
根据现有数据统计分析移动端登录用户占比与 PC 用户占比为8：2划分，因此移动的防欺诈系统为主要参考因数，1、根据以往的业务系统数据可以建立黑名单、白名单。
白名单: 可以通过建立数据模型已经数据挖掘，机器学习相关算法进行优质用户的挖掘。黑名单: 黑名单企业可以针对那些逾期、破产企业(法人作为黑名单)、通过手机号码、imei作为用户判断标识，调用第三放征信公司去进行鉴别。2、对移动端用户进行实时监测，获取用经纬作为、获取用户重力感应数据、mac 地址、ip、移动设备注册时长等数据判断用户是否存在恶意欺诈，恶意注册 1.2 可信度分析 1.2.1、风险等级划分
风险等级划分，分为三种类型、投入用户风险承受能力等级划分、融资企业以及个人用户的等级划分、融资项目标的等级划分
1、投资用户等级划分：可以参考投资年龄、居住地、职业、银行流水、固定资产、收入、学历等角度去划分2、融资企业等级划分：企业所在行业、国家政策、企业现金流、企业注册资本、管理层背景、资产负债率、法人个人信息、企业纳税证明、公司人员数量等维度去3、标的信息：标的项目类型、回款周期、合作企业、回款方式、融资金额 1.3 贷后预警 对于回款周期比较长的项目，可以至少三个做个回访、让融资企业按时提供目前经营现状、融资标的是否按时回款。根据贷后的状态进行预警、等级划分 四、技术实现 用户画像、人脸识别、推荐系统、智能语音、数据挖掘、风控模型。
风控系统业务流程
访用户欺诈系统
风险评估等级划分系统
用户画像
用户点击流日志分析系统
推荐系统
风险预警系统
风险定价系统
五、产品与服务参考科法智能提供的服务与产品，将案例信息换位标的信息、将诉讼公司换位融资企业。对照数据就可以解决提供类似的服务。下面是具体相关部分信息。
企业信用信息查询
包括企业基本信息、经营状态、法人以及高管信息披露 对于一些重要信息提供收费服务、本平台高等级投资用户可以免费查看，比如企业的目前经验状况、本平台内部信用等级、所在行业排名等。企业融资项目标的信息查询结合本平台以往类似融资项目信息历史数据进行信息关联、结构归类、风险解读、精准检索。出具融资项目风险测评报告
对于优质资产本平台进行充分的信息披露
科法智能逻辑思维导图