概述：機器學(xué)習和大數據技術(shù)在信貸風(fēng)控場(chǎng)景中的應用（1)

來(lái)源：知乎

似乎一夜之間，所有的互聯(lián)網(wǎng)公司在對外的宣傳稿中都會(huì )提及自己使用機器學(xué)習和大數據技術(shù)，一時(shí)間成為了近幾年來(lái)最炙手可熱的名詞，不談機器學(xué)習、大數據似乎都不好意思說(shuō)自己是做高新技術(shù)的了。

百度搜索指數：機器學(xué)習

百度搜索指數：大數據

上圖來(lái)自最近7年來(lái)這兩個(gè)詞的百度搜索指數，可以看到從2013年開(kāi)始一直在穩步攀升，在2017年的時(shí)候迎來(lái)了爆發(fā)式的增長(cháng)，這些都與我們的感知類(lèi)同。

機器學(xué)習與人腦思維的區別

機器學(xué)習和大數據應用是相輔相成的，目的是想用機器去模擬人類(lèi)的思考過(guò)程，人類(lèi)通過(guò)自身經(jīng)歷經(jīng)過(guò)思考可以形成經(jīng)驗，并用來(lái)解決新的問(wèn)題，而機器學(xué)習是需要利用大量的歷史數據去訓練一個(gè)模型去解決一個(gè)特定的問(wèn)題：比如識別兩張臉是否一致、該用戶(hù)是不是精準客戶(hù)等。

雖然這兩個(gè)詞這兩年才火起來(lái)，但是這些概念早在半個(gè)多世紀前就有理論的提出，尤其機器學(xué)習的算法已經(jīng)在幾十年前就非常成熟了，但是受制于計算效率、存儲等硬件的限制，大數據和機器學(xué)習在實(shí)際業(yè)務(wù)上的應用場(chǎng)景十分受限，很難有大規模的場(chǎng)景應用。最近十年來(lái)隨著(zhù)存儲、芯片等層面的突破讓大數據和機器學(xué)習的計算應用成本大大降低，這也支撐了基于這兩項技術(shù)的應用場(chǎng)景呈現爆發(fā)式增長(cháng)。

除了機器學(xué)習之外，我們也發(fā)現互聯(lián)網(wǎng)信貸成為了這幾年最火的行業(yè)方向，互聯(lián)網(wǎng)信貸的工作重心在風(fēng)控。于是天作佳成，正如目前我們看到的，信貸風(fēng)控成為當前機器學(xué)習和大數據技術(shù)最適合也是最成熟的應用場(chǎng)景之一：

1.金融業(yè)務(wù)自身需要大量的數據且也會(huì )產(chǎn)生更多的數據，這天然的讓信貸風(fēng)控成為最適合大數據和機器學(xué)習的場(chǎng)景；

2.風(fēng)控涉及的數據量大、數據面廣、關(guān)聯(lián)復雜，也急需利用大數據和機器學(xué)習技術(shù)解決風(fēng)控過(guò)程中效率低、缺乏公平準則、風(fēng)險難以量化的問(wèn)題；

所以正是因為這樣的相互依賴(lài)，信貸風(fēng)控成為當前大數據和機器學(xué)習技術(shù)應用最成熟的領(lǐng)域之一。

信貸風(fēng)控中的主要問(wèn)題

信貸風(fēng)控最關(guān)鍵的目標就是從全量申請用戶(hù)樣本中找到會(huì )逾期的客戶(hù)，所以風(fēng)控的核心目的是評估用戶(hù)的還款意愿和還款能力。從過(guò)去的業(yè)務(wù)實(shí)踐經(jīng)驗來(lái)看，風(fēng)控當中需要重點(diǎn)關(guān)注的問(wèn)題包括：

非本人申請：申請人利用虛假身份申請信貸，這一問(wèn)題在信貸業(yè)務(wù)高速增長(cháng)的蠻荒階段，****或者互金機構缺乏對黑產(chǎn)全面的認知，在部分業(yè)務(wù)環(huán)節被黑產(chǎn)用虛假/殘缺或者非本人身份證欺詐，包括一些知名的持牌消金機構也遇到過(guò)大量類(lèi)似的欺詐案例。

偽造資料：申請人為了更容易獲得貸款或者貸后惡意逾期避免催收，偽造收入證明、聯(lián)系人、工作地址等資料。

中介團伙：中介在網(wǎng)絡(luò )上大量招徠需要信貸申請的用戶(hù)，使用不同的攻略“教”客戶(hù)如何有機會(huì )以較高概率通過(guò)****/信貸機構的審核。

歷史信用記錄：用戶(hù)歷史如果存在大量失信行為，或者存在****/毒等不良社會(huì )行為，那么其逾期失聯(lián)的概率也很高。

還款能力不足：申請人負債收入比較高，外部有大量債務(wù)且自身收入不穩定，這些都有可能導致用戶(hù)愿意還款但是卻沒(méi)有能力還款。

基于大數據和機器學(xué)習技術(shù)的風(fēng)控解決方案

為了解決上述的這些問(wèn)題，目前業(yè)內已經(jīng)形成了一套基于大數據和機器學(xué)習技術(shù)的較為完整的解決方案。

非本人申請：人臉識別技術(shù)

目前人臉識別技術(shù)已經(jīng)應用在生活中的方方面面，如刷臉支付、高鐵進(jìn)站甚至公安的天網(wǎng)系統；而在金融業(yè)務(wù)中，****辦理、網(wǎng)貸申請也都普遍使用人臉識別：將申請人照片與在公安系統中身份證存照進(jìn)行比對，判斷兩張照片的相似度，可有效避免非本人申請的問(wèn)題。

與人類(lèi)識別面部類(lèi)似，當我們人類(lèi)對一個(gè)人比較熟悉的時(shí)候，我們很容易根據他的面部特征與我們在腦海里過(guò)去存儲的特征進(jìn)行比對，就能判斷這個(gè)人是否是這個(gè)人（雖然也會(huì )有誤判的時(shí)候），同樣的，人臉識別技術(shù)的背后也是一套深度學(xué)習的算法，把我們思考的過(guò)程轉化為模型算法，目前市面上有多家提供人臉識別服務(wù)的商業(yè)化應用公司，不過(guò)其算法的本質(zhì)基本是類(lèi)同的，人臉識別的核心思想在于：不同人臉由不同特征組成。

理解這個(gè)思想，首先需要引入的的是“特征”的概念。先看下面這個(gè)例子：

最簡(jiǎn)單的人臉特征

假設這 5 個(gè)特征足夠形容一張人臉，那每張人臉都可表示為這 5 個(gè)特征的組合：

（特征1，特征2，特征3，特征4，特征5）

一位雙眼皮，挺鼻梁，藍眼睛，白皮膚，瓜子臉的小姐姐即可用特征表示為（見(jiàn)表格加粗項）：（1,1,0,1,0）

那么遍歷上面這張特征表格一共可以代表32張不同的臉。32 張臉可遠遠不夠覆蓋70 多億的人口。為了讓不同特征組成的人臉能覆蓋足夠多人臉，我們需要擴充上面那張特征表。擴張特征表可以從行、列兩個(gè)角度展開(kāi)。

列的角度很簡(jiǎn)單，只需要增加特征數量：（特征6.臉型,特征7.兩眼之間距離，特征8.嘴唇厚薄…）實(shí)際應用中通常應用 128,256,512 或者 1024 個(gè)不同特征。從行的角度擴充也很好理解，比如“特征3”，除了值 0 代表藍色，值 1 代表灰色，是不是可以增加一個(gè)值 2 代表黑色，值 3 代表沒(méi)有頭發(fā)呢？此外，除了這些離散的整數，我們也可以取連續的小數，比如特征 3 的值 0.1，代表“藍中略微帶黑”，值 0.9 代表“灰中帶藍”……

百度開(kāi)源平臺：面部特征識別

經(jīng)過(guò)這樣的擴充，特征空間便會(huì )變得無(wú)限大。擴充后特征空間里的一張臉可能表示為：

一張臉提取出128維特征變量

用于表示人臉的大量特征從哪來(lái)？這便是深度學(xué)習（深度神經(jīng)網(wǎng)絡(luò )）發(fā)揮作用的地方。它通過(guò)在千萬(wàn)甚至億級別的人臉數據庫上學(xué)習訓練后，會(huì )自動(dòng)總結出最適合于計算機理解和區分的人臉特征。

闡明了不同人臉由不同特征組成后，我們便有了足夠的知識來(lái)分析人臉，算法工程師通常需要一定的可視化手段才能知道機器到底學(xué)習到了哪些利于區分不同人的特征：同一人的不同照片提取出的特征，在特征空間里距離很近，不同人在特征空間里相距較遠。

三張不同角度的撒貝寧照片經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò )提取出 128 維的特征后，變成了 3 個(gè)在 128 維空間中的點(diǎn)（紅色），劉德華的特征點(diǎn)為綠色。

不過(guò)在實(shí)際應用中在光照較差、遮擋、形變（大笑）、側臉等諸多條件下，神經(jīng)網(wǎng)絡(luò )很難提取出與“標準臉”相似的特征。另外，在金融風(fēng)控領(lǐng)域還需要解決偽造人臉的情況，面對這些問(wèn)題，通常采取四種應對措施：

1. 工程角度：研發(fā)質(zhì)量模型，對檢測到人臉質(zhì)量進(jìn)行評價(jià)，質(zhì)量較差則不識別/檢驗。

2. 應用角度：施加場(chǎng)景限制，比如刷臉解鎖、人臉閘機、會(huì )場(chǎng)簽到時(shí)，都要求用戶(hù)在良好的光照條件下正對攝像頭，以避免采集到質(zhì)量差的圖片。

3. 算法角度：提升人臉識別模型性能，在訓練數據里添加更多復雜場(chǎng)景和質(zhì)量的照片，以增強模型的抗干擾能力。

4.精準活體識別：通過(guò)3D建模軟件可以使用用戶(hù)已有的照片模擬一張真實(shí)的頭像，以此來(lái)騙過(guò)人臉識別算法，所以如何驗證這個(gè)頭像是來(lái)自一個(gè)真實(shí)的人同樣也是一個(gè)機器學(xué)習的過(guò)程。

鯤魚(yú)科技-靈犀聯(lián)合實(shí)驗室“模擬人臉攻擊”示例