资料来源：经济日报
随着科学技术的飞速发展，智能技术越来越改变着金融生态。 近年来，消费者信用的市场占有率逐年上升。 其中，智能营销和智能风控是智能技术在该领域的成功运用，该技术备受期待。
近两年来，智能营销和智能手机控制广泛应用于消费者信用领域。 “智能风控是在传统风控中引入智能要素，结合大数据、人工智能、区块链等新技术，对信用申请进行风险控制的技术。 智能窗户控制这个概念在中国普及并不长，2017年以后备受欢迎。 ”麻袋研究院研究员mndjmg说。
消费者信用与金融消费者密切相关，但智能风控在其中应用了哪些新技术？ 在发挥优势的同时，还有缺陷吗？ 和专家一起调查一下吧。
身份是第一步
在融资机构和借款用户的接触中，第一步是用户的个人定位，即身份。
经济日报记者表示，身份验证是判断借款人身份的第一步，一般基于用户的证件照信息，其中使用的技术主要是生物识别和OCR技术。
生物特征识别技术是指将计算机与光学、声学、生物传感器、生物统计学原理等高科技手段相结合，利用身体特征鉴别个人身份的技术。 其中成熟的是指纹和面部识别技术。 在信贷领域，指纹识别通常用于手机APP的登录认证等，人脸识别技术更加普及，近年来广泛用于代替传统的手持身份证拍照的认证方式。 例如，现在人脸认证在借款用户的申请阶段被广泛运用。
OCR技术，全称光学文字识别技术，其原理是利用扫描等光学输入方式将各种证书、资料、印刷品上的文字转换为图像信息，再通过文字识别技术将其转换为计算机输入技术。 在消费信贷中，身份证识别和银行卡绑定是OCR技术的两种最广泛的运用。 mndjmg表示，一方面，通过OCR提取身份证头像，可以快速获取身份证目标，实现人证整合，另一方面OCR可以快速识别银行卡号、持卡人、发卡等重要字段，自动输入识别的信息内容；
用户图像是不可缺少的
身份是对申请用户的基本信息进行了基础描绘，用户画像更进一步，根据用户许可查询其央行征信、第三方征信、网络交易行为等多重维度。
其中，征信信息是判断借款人信用最直接、最高效的方法。 数据显示，截至今年6月，央行征信系统累计共收录9.9亿自然人，个人日平均咨询量达到550万次。 近两年来，民营征信巨头——百家的征信也在消费者信用的运用中发挥了很大的作用。 此外，其他第三方征信信息、共享征信系统等在信用征信机构的用户画像、共债风险识别等方面提供了辅助。
同时，公共费用、互联网消费、运营商数据等也需要得到用户的认可，从消费频率、金额等维度判断用户，并结合后续借款人的评分步骤给予评价和授信。 此外，还包括使用设备(ID、设备型号等)、户籍认证、学历认证等其他信息。
详细构建欺诈防范模型
在网络金融蓬勃发展的同时，消费者信用领域欺诈放贷问题也日益突出。 据公开数据估计，截至2018年，互联网黑产导致的信息泄露达到数十亿件的水平，诈骗集团超过3万人。
消费信贷领域的欺诈已经成为非法黑产中不容忽视的重灾区，专业化组织以团体的形式“信贷”“切割”。 360金融研究院此前发布的《2018智能反欺诈洞察报告》报告显示，与个人诈骗相比，群体诈骗波及范围广、社会危害性高，呈现智能化、产业化、攻击迅速隐蔽、内外勾结比例上升、移动端频发等五大特征。 随着诈骗技术的升级，黑中介和黑产呈现深度融合态势，逐渐以集团形式开展网上贷款申请审批工作，骗取了大量资金。
许多业内人士表示，构建以反欺诈为中心的防火墙刻不容缓。 根据结构不同，反欺诈模式分为“基于规则的反欺诈模式”和“基于顾客行为的反欺诈模式”。
从核心架构来看，基于规则的反欺诈模式主要是构建规则库，其规则内容包括顾客基本属性、账户基本属性等。 另一方面，基于用户行为的反欺诈模型需要在过去用户数据收集的基础上构建用户行为库，因此对用户数据的规模、积累时间有一定的要求。
在实践中，有些公司通过充分组合两种模型并设置规则库来识别可疑用户，然后通过收集的用户行为不断更新规则库，同时吸取专家经验修改模型。 目前关于消费者信用领域反欺诈模型构建的研究方法包括但不限于神经网络、决策树、机器学习、随机森林等。
资质力求严守防线
完成身份证明、用户画像、反欺诈工作后，合格用户将进入信用得分和信用环节。
20世纪80年代，我国已经开始开展信用得分业务。 其中，信用领域的评估方法根据模型的建立方法可以分为独立模型化、联合模型化、完全外包三大类。
一般来说，自己业务规模大、团队框架完善的信用机构会进行独立的建模。 例如，一些银行、大型P2P机构等。联合建模加入一些大数据风能控制公司，与业务公司共同合作、共同开发； 完全外包的机构由于自身条件有限，需要外部协助。 在监管强调持牌金融机构不得外包核心风能抑制环节的大环境下，完全外包评估方式存在的空间被大幅压缩。 并且，在完成这些环节后，最终进行了风险定价、授信。
“近年来，智能风控技术有了很大的发展，但作为一把双刃剑，智能风控也有部分缺陷。 》mndjmg表示，消费者信用领域的智能风控是基于大数据的决策，对基础数据的获取来源存在争议。 部分信用美联储
P会绕过用户授权，直接抓取甚至监控用户个人数据。例如：今年3·15晚会所曝光的“探针盒子”，以及京东金融因留存用户手机截图被点名等。APP专项治理工作组多次公示点名了在个人信息保护方面工作不力的主体机构，其中理财、信贷类APP成为重灾区。与此同时，在业内专家看来，国内信贷行业还缺乏一个全国范围的信用评估体系，一些“信用分”对历史信用还款记录过于倚重，甚至导致一个每月负债、以贷还贷“老哥”的信用额度高于一个正常消费的办公白领。此外，一些电商平台过于倚重自身生态圈的消费记录，其信用分的累计规则尚未与其他机构打通，仍处于孤岛状态。（经济日报·中国经济网 记者 zzdws）