BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

Paypal王辉:将欺诈降到最低的前提绝不是拿好的用户体验做代价
录制于:

| 受访者 王辉 关注 1 他的粉丝 作者 Qcon 关注 0 他的粉丝 发布于 2017年11月18日 | QCon北京2018全面起航:开启与Netflix、微软、ThoughtWorks等公司的技术创新之路!
12:35

个人简介 王辉博士作为 PayPal 全球风险管理建模团队的资深总监,领导团队坚持使用机器学习和数据挖掘的技术为 PayPal 风险管理、合规、产品、市场等部门带来巨大收益。尤其是她的团队负责的欺诈和风险管理的机器学习模型已经成为 PayPal 风险管理的支柱。她作为机器学习领域的专家,架构和设计了 PayPal 基于机器学习技术的风险控制实时检测和决策系统。王辉本科毕业于中国科学技术大学并在 UC 伯克利获得统计学的博士学位。 脚本:https://www.zybuluo.com/Helene/note/953122

QCon是由InfoQ主办的全球顶级技术盛会,每年在伦敦、北京、东京、纽约、圣保罗、杭州、旧金山召开。自2007年3月份首次举办以来,已经有包括传统制造、金融、电信、互联网、航空航天等领域的近万名架构师、项目经理、团队领导者和高级开发人员参加过QCon大会。

   

1. Paypal王辉:将欺诈降到最低的前提绝不是拿好的用户体验做代价



当下,互联网金融产品日新月异,伴随而来的欺诈数量也在迅速增长,特别是新型网络欺诈泛滥,比如身份仿冒、信息盗用、数据篡改、伪装钓鱼等等。不断变化的欺诈热点,甚至有组织大规模的欺诈犯罪团伙介入,迫使我们必须面对这些风险,虽然我们不能安全避免欺诈的发生,但是我们要控制这种风险。

AI给金融业带来哪些影响?

新形势下,网络欺诈正呈现诈骗手法智能化、诈骗对象精准化、连环诈骗普遍化、被骗对象年轻化的“四化”特点,给社会公共生活造成了极大的隐患。 AI在金融圈儿里最被看好的应用之一,便是反欺诈。

Paypal资深总监全球风险管理建模团队负责人王辉博士幽默的举例:

1.如果社交平台给我们推荐错了一款产品,我们最多看看就算了。但是金融行业,尤其是风险管理,一旦错了,就等同于公司分分钟写支票给坏人。做错的代价非常大,因此对算法的精准度要求非常高。

2.做风险管理网络欺诈,对付的是世界另外一端的人,他们时时刻刻在找我们方法的漏洞,一般的科技解决方式是不够的,必须要保证我们的技术不停的更新,要比他们更快一步,这就对我们的技术创新方面提出了很大的挑战。

所以金融业是一个很容易从AI创造价值的领域。

机器深度学习提升反欺诈能力

一直以来,金融业为数据所主导,AI想要在金融行业大显身手还得靠机器学习与大数据做支撑。 如何将反欺诈问题转化为用AI解决的问题?值得思考。

王辉从两个方面谈及了PayPal对于AI的探索,比如:

从技术角度看,AI离不开原材料——数据,如何将大数据与快数据结合是个很大的挑战。AI算法不断推陈出新,如何保证AI算法能更快的应用到实际应用中并创造价值刻不容缓。

从商业应用的角度看,AI机器学习在风险控制上已经有十多年,现在开始涉入别的领域,比如说作为一个金融科技行业,我们有很多的客户服务部门,现在要用AI的方法来革新我们的客户服务部门,然后能够让它更多的自动化,标准化,给顾客提供更好的服务。

如果我们没有办法提高准确性,就很有可能会扼杀很多正常交易。 当谈及AI在PayPal有哪些应用场景时,王辉举例:

1.保障用户账户安全。比如,你的账户被人盗用,别人进入你的账户,如何保障账户安全。

2.信用卡盗用。使用盗窃来的信用卡信息进行网上购物是购物网站遭受欺诈的主要情况,当然也有消费者进行恶意的欺诈行为。比如,你在网上销售手机,通过第三方物流公司递送手机给一个欺诈者,欺诈者自己对手机进行了更改,然后宣称“这个产品与网上描述的不符”进行投诉,宣称你发货给他的是一个低劣质量的产品或者错误的产品。这个时候,信用卡公司将会要求你给他退款,在他归还那个手机之前。还有当第三方物流公司送货到欺诈者家门前的时候,欺诈者让他的一个朋友等待在他门口,然后让他冒充自己代为签收你的商品。然后,向他的信用卡银行宣称“没有收到商品”,投诉你并没有给他发货,或者发货丢失了。这个时候,信用卡公司将会要求你给他退款,你将遭受双重的损失。等等信用卡退单的例子。

3.依靠机器学习和AI 做信用风险管理和合规方面。

PayPal是如何识别欺诈交易的?

据王辉举例:“AI算法机器学习背后是有大量的数据积淀的,可以很聪明的帮我们探寻到哪些是好的,哪些是坏的。比如说王辉我应该是什么样,我每天应该做什么事,我在什么时间会做什么事,就是产生一个我的正常的王辉应该是什么样,那如果有任何行为跟正常的不一样的话,那就是显然是一个欺诈的一个信号了,当然这是最简单的,有更复杂的比如说,如果我的朋友那他是不是会跟我做同样的事,或者说有同样的行为,那我们怎么能够把我从我身上的学习带到一个我的朋友身上,也许对Paypal是个新用户,当然更复杂,通过数据我们可以知道一个正常的好人,在正常时间应该做什么事,如果不是的话,那就是一个欺诈的信号。”

“再比如,如果有人购买了一个金额为三万美金的商品,高额的商品单价可以作为一个简单地识别异常交易的指标。但如果是以很低的金额进行多次交易,比如进行了两万次金额为一美金的交易呢?虽然听上去比较诡异但这确实是一种逃避传统欺诈侦测系统的有效方法。为解决这类欺诈行为,我们现在有办法把很多交易行为连结在一起去发现一笔交易的各类异常信号。即使单价只是一美金但频次不合理的交易,如果他们又来自同一个商户,那我们就有足够的理由去怀疑这是一笔欺诈交易。这种不同角度的思考在旧系统中是做不到的。”

王辉还谈到,必须要在防止欺诈的同时要保护良好的用户体验来,因为如果不在乎的话,那可以让每一个人都多回答一些问题才能进我们的平台,这对好多用户来讲是一个不好的用户体验,因此我们也要非常准确的平衡,我们的机器的算法必须要不停的进步不停的更新。

将欺诈降到最低的前提绝不是拿好的用户体验做代价

据悉,在现有人工智能系统的帮助下,PayPal的交易欺诈率控制在0.29%,这在业界已经是很低了,王辉总结这得益于三大块:

1.十多年在AI和机器学习算法方面的研究和投入。面对层出不穷的算法,大胆尝试,比如GBDT,深度学习。

2.Paypal整个系统都是自研的,科学家有任何的创新很快就能够在系统中实现,非常的灵活。

3.对人才的重视,有一群靠谱的人并肩作战。

最后,王辉谈到:对于欺诈的话,我们的目标一定是要把它降到最低,但是绝不会用好的用户体验做代价,我必须保证用户体验要越来越好,欺诈水平要降到更低,在这个损失率里面,有一些是我们自愿付出来保护我们的用户的,比如说在一些电商的网站上,我卖二手货的话,那买家可能会不满意,这种情况下,只要卖家和买家都按照我们的法律,按照我们的法规做他们的事情,那我们是会付钱给他们,保护买家和卖家,从这个角度来讲,我们这个是会永远保护的,不一定要把这部分就完全一直降低。

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT