专家热议智能风控助力金融安全：图风控为数字时代的风险控制提供了新思路

随着数字化浪潮的持续推进，新型数字风控的重要性日益提升，风控管理的关注重点也正逐渐从显性个体风险向隐性规模化风险转化。

近日，由中国人民大学国际货币研究所（IMI）和金融科技50人论坛（CFT50）联合主办的“智能风控助力金融安全与高质量发展研讨会”在北京举办。包括北京邮电大学计算机学院教授、博士研究生导师石川，清华大学金融科技研究院金融安全研究中心主任周道许，国家金融与发展实验室副主任杨涛，光大科技创新总监王硕等在内的多位嘉宾共同探讨了图风控的优势、挑战、趋势。

此外，会上还发布了《图风控行业技术报告》白皮书（下称“白皮书”）。据悉，白皮书介绍了图风控算法技术、图数据库等底层基础设施，并提供了行业应用案例。意在为各领域图技术研究者和开发者提供第一手产业资料，也为风控行业人员提供应对风险的新思路。

图风控技术在智能风控领域应用广泛

会上，石川以《智能风控--图风控行业技术》为题作专题演讲。他认为，包括图风控网络神经网络和图上异常检测等方法在内的图风控算法为数字时代的风险控制提供了新思路和新技术。同时，对于图风控底层基础设施，也存在一些新挑战。例如，要求基础设施具备在线实时数据读写和大规模离线分析能力等等。

石川表示，通过图深度学习在解决套现、洗钱、违禁品检测等实际问题中的应用，可以看出在当前的金融活动中图数据交互关系的普遍性。未来，用户关联信息图，资金往来信息图和供应链关系图等可能成为图智能方法解决风控问题的关键抓手。

 北京邮电大学计算机学院教授、博士研究生导师 石川

周道许谈到，当前图算法、图数据库等图风控技术在智能风控领域应用广泛，图风控行业发展空间广阔。譬如中国工商银行首创智能化全球反洗钱系统，率先开发出金融风险信息服务产品“融安e信”；中国建设银行提取关系网络结构特征定量评估小微客户的欺诈风险，借助知识图谱技术实现对风险的灵活管控；中国银行建设基于知识图谱的企业关系网络，深入分析企业关联风险，助力信贷审核；交通银行借助图计算指标预测企业客户自身及其关联企业违约概率，将风险事件预警从单体识别变为群体识别。

再者，金融安全高质量发展，需要大量智能风控人才，需要“政产学研用”多方共建，形成合力。第一，建议政产学研用机构开展广泛合作，将人才优势和金融行业数据优势结合起来，将科研成果转化为实用工具。第二，与政府机构和监管部门加强合作，共同完善智能风控相关制度建设。第三，加强与科技公司和互联网平台的合作，通过多方面、多层次的合作，识别联合信贷风控建模，提高互联网贷款风险识别能力。

清华大学金融科技研究院金融安全研究中心主任 周道许

潜在价值不容忽视

杨涛表示，图技术在金融风控领域的应用，深刻把握了如何认识大数据时代下不同信息之间的关联性、相关性，与当今行业和学术研究探索发生的变化相契合。他认为，白皮书整体框架完备、逻辑清晰，给予研究者很重要的启发。

关于图技术在智能风控领域进一步的应用，杨涛进一步谈到了他的研究思路。第一，探讨新型技术在金融风控领域应用的时候，应当考虑风险识别、收益与成本三元要素的平衡。第二，从金融行业应用的角度，应当在未来对智能风控技术的演进进行更多的动态比较分析。从技术专家的视角来看，技术演进过程可能非常清楚，但从业务应用的视角来看，这些阶段是动态演进还是逐渐演进则需要进一步探讨。基于历史节点进行比较，分析现在处于哪个阶段则非常重要。第三，图技术的智能风控场景应用分析可以进一步细化和拓展。第四，图技术在新领域应用时面临着一些挑战，例如数据基础约束、算法研究与工程落地问题、场景深入的难度、成本收益的考量、底层设施的局限性以及来自监管与合规的约束等。

国家金融与发展实验室副主任 杨涛

王硕指出，图技术在方向上和应用上很有价值。第一是市场价值大。据央行统计数据，2021年国内仅信用卡紧急止损防欺诈就减少客户约3200亿资金损失，老年人使用移动金融更需要关注欺诈，这部分有很多市场价值和实用价值。第二是时效性快。图技术具有强对抗、易延时，属于毫秒级，对于金融机构的高并发场景非常关键。第三是效果优。无论是支付还是金融场景应用，新技术拥有算法、算力与数据支撑，可以将好的经验向行业内输出复制。

针对图技术的实践，王硕也有一些建议。第一是守正创新。图技术应用涉及大量数据，包括数据交互、存储、使用，金融创新有边界的，合规非常关键，要在两者之间要相互融合，符合监管要求。第二，推动业技融合。好技术要金融业务相结合，新技术要和金融机构的场景相适用，除银行的信贷、支付外，对于保险与证券业务风险防控和智能审计、反洗钱多场景应用都有借鉴价值。第三，做好技术融合贯通。图技术作为先进技术要与AI大模型等其他技术融合。通过要将算法、数据、算力融合起来，产生技术叠加效应，更好为金融高质量发展赋能。

光大科技创新总监 王硕

图风控面临数据安全、算法可解释性的挑战

北京国家金融科技认证中心实验中心负责人李博文谈到，当前的风控面临三个方面挑战。第一，大数量级的挑战，必须通过新技术解决。第二，高时效性要求，如消费领域支付清算需要毫秒级完成交易风控。第三，犯罪形势严峻、犯罪手段愈发复杂，需要新技术不断应对新的风险。这对图数据智能应用带来机遇。

李博文指出，图风控发展还存在诸多挑战。第一，图技术应用人才匮乏，图技术应用发展还不平衡，中小企业仍在观望情况。第二，图风控面临数据安全、算法可解释性的挑战。第三，图风控产品成熟度和技术交付问题。目前很多产品成熟度不够、接口不完善、应用语言独特，不利于大规模推广；交付上还需要考虑私有化部署、持续技术支持和运维保障等系列问题。第四，业务场景与技术的深度结合，需要协同好风控部门和科技部门的工作。

北京国家金融科技认证中心实验中心负责人 李博文

蚂蚁集团图计算事业部总经理洪春涛谈到，一方面，图风控的优势是能够从空间和时间维度表现更多的信息，从点到面的扩展风控范围，提高风控效率和效果，助力蚂蚁集团将风险水位控制在业内较低。但另一方面，图风控也面临着挑战，需要满足海量数据的处理和存储，高并发和低延迟的要求，以及适应不断变化的风险模式。对此，蚂蚁集团开发了自己的图计算系统TuGraph。

洪春涛认为，未来图风控的发展趋势可以概括为三点：实时化、体系化、智能化。实时化是指能够在交易发生的时候就进行风控判断和干预，而不是等到事后再处理；体系化是指能够从底层统一系统，搭建一套完整的风控体系，而不是针对每个场景做单独的解决方案；智能化是指能够利用大模型和图的结合，实现自动策略推荐、图+大模型的探索、主动防御等功能，降低人工成本和风险成本。

蚂蚁集团图计算事业部总经理 洪春涛