華為技術公司解決系統方案經理肖曉鋒

　　新浪財經訊 11月30日消息，由《當代金融家》雜志社、鴻儒金融教育基金會、螞蟻金服聯合主辦的“2018年中國中小銀行發展高峰論壇”在廣州召開，本屆論壇主題為“新時代中小銀行金融科技與風險防控”。華為技術公司解決系統方案經理肖曉鋒出席并發表主題演講。

　　以下為發言實錄：

　　廖文義：各位嘉賓，同志們，下午好，現在中小銀行高峰論壇，我們進行第四個專題，實踐分享——科技銀行范本，關于金融科技和銀行如何結合，金融公司和銀行在新的領域發揮各自的優勢。首先我自我介紹一下，受論壇組委會的邀請，我擔任第四個專題的主持，我是廖文義，來自深圳市大數新金融服務公司，也是深圳市大數新金融研究院執行院長。

　　剛才我們董事長在前一個環節做了一個很精彩的分享，就是大數金融，大數金融在深圳市注冊了一家非營利組織的機構，叫做大數新金融研究院，我擔任執行院長，我過去跟大家一樣，也是銀行的從業人員之一，我工作30多年，曾在人民銀行、中國銀監會、廣東局、廣西局，還有地方城商行都有一個工作經歷，前后工作了將近30多年。所以我對城商行，特別是我們小銀行特別有感情，小銀行發展是非常不容易的，尤其是在現在這么一個新的時代，新的經濟形態，經濟增長下降的過程當中，產業結構調整面臨很多不額確定因素的情況下，城商行的生存和發展也遇到了很多的挑戰，如何在這個挑戰之中能夠走出重圍，我們必須要利用新的金融科技。這個環節主要是安排了兩個內容，第一個內容就是請三位嘉賓進行主題發言，首先有請是華為技術公司解決系統方案的專業人士，肖曉鋒給大家做一個分享。有請。

　　肖曉鋒：大家下午好，金融監管核心這一塊，相對來說我們目前發展的情況落后于我們的Fintech，在當前的情況下我們有一些什么樣的技術可以助力金融科技的發展。這四個詞，我們已經談了很多遍了，我們的金融監管離不開這四個詞，通常大家比較認可的定義，金融監管科技是基于大數據、云計算、人工智能和區塊鏈等新技術為基礎，致力于維護金融體系的安全穩定，實現金融機構的穩健經營，以及保護消費者權益的新興科技。

　　整合在金融監管體系里面，它的參與者跟我們的Fintech是一樣的，是三個參與方，一方面是金融機構，另外一方面同樣都會受到“一行三會”、“一行兩會”的監管。現在更強調是一個監管科技公司。由這三方共同組成了金融監管科技生態的參與者。我們到了今天為什么要做金融監管科技呢？我們主要面臨四個方面的問題，第一，是新的形式，從十年前的一場美國次貸危機發生以后，我們的巴塞爾協議，整個金融機構其實在實踐監管法規上面更多還是以人工為主，人工為主會導致我們整體效率的問題，現在中美貿易戰的情況，也面臨更嚴峻的形勢。還有成本上升，最大的問題出現在今年大概6、7月份的時候，面對新形勢的情況下，我們怎么做好針對一些新的金融產品的監管。另外有這么多的法律法規的出臺，我們需要去滿足我們監管的要求，我們更多是投入人的話，我們的成本會有一個上升，我們需要借助于科技的手段，早上我們通過一個語音有一個催收，這是一個很好的案例，節約成本的。另外我們在Fintech我們是全世界技術領先的。在這一塊英國和美國走的比較靠前，我們要兩條腿走路，不能有短板，我們要把這一塊沖上去，縮小跟國外同行的持久。

　　整個金融監管要監管什么呢？目前我們大家比較認同金融監管科技應用的場景主要在五個方面，第一，交易行為監測，第二，監管報送，第三，法律法規跟蹤，第五，金融機構壓力測試。每一個不同等級的用戶有多少存款的余額，每個月消費多少錢都有一個很嚴格的規定，分為四個等級。法律法規跟蹤這塊我們應該利用一些機器學習的技術和自然語言處理的能力，自動讀取我們法律法規的文檔，去解析它的業務規則。另外一塊就是金融機構壓力測試，昨天閉門會議有嘉賓談到了我們現在選取了有五家的金融機構，有一定社會影響力的，在這塊可能會關注它的監管沙箱，在線價值AaR，有沒有做到如實信息的披露。我們目前面臨的形勢還是非常的嚴峻，這是截止到2018年10月底，這是互聯網金融風險分析技術平臺監測數據顯示，假冒偽劣的仿冒網站就有4.8萬，我們經常會收到一些網站，有一些鏈接，看似是一個正常金融機構的網址，其實它并不是一個真正的金融機構的網址，它也許會盜取你的信息。反洗錢，現在形式也更多樣化了，區塊鏈最大的應用是ICO這一塊，整個金融體系的一個穩定帶來了一定的挑戰，很多反洗錢的方式已經通過區塊鏈的方式拿到了一個虛擬幣，虛擬幣通過一個互聯網是無國界的，很容易把錢洗到國外去。這是最新中國反洗錢的報告，整個在2016年有4.12億份，可以交易報告有543.57萬份，涉案人員超過7000人，公訴達到了5500件左右，相關涉案人接近2萬人，反洗錢非常的嚴峻。面對這么嚴峻的形勢，我們利用大技術數據和人工智能的技術，將我們的結構化數據和非結構化數據相結合，依賴于我們現在機器相關學習的算法和一些算力的平臺，來進行交易行為的監測和探測。

　　事前處理，我們通常會把一些相關的條文進行學習，然后實時監測。事中處理，我們會進行3D驗證，進行進一步核驗。這是事后的處理。針對交易難題做了一個實時監控的系統，對系統層面的關注，更關注四個點，第一，我們有沒有一套智能決策，第二，如果要讓交易的用戶做到零感知，并且一個很大的交易量，信用卡刷卡的情況下，高并發數據我們能不能應對。我們在多長的時間能夠響應風控的挑戰，讓用戶有零的感知，整體來講是對我們整個系統處理高性能的一個要求。這是具體的案例，跟招商銀行合作的，招商銀行的信用卡，最早定位是面向零售為主的銀行，它的信用卡通過任何一個收單渠道上來以后，會接入我們的反欺詐系統，它的反欺詐系統有接近500多個風控規則，你如果放行通過的話，才能夠讓交易繼續進行，有一些情況會做一些3D的驗證，驗證是否是這個人。我們對于整個系統會提出一個叫高的性能要求，就是剛才提到的高性能、TPS，高并發。我們需要做到在500個風控情況下，應對1秒鐘1萬筆刷卡交易的情況下，我們給予我們風控檢測的時候只能在50毫秒以內才能夠做到客戶的零感知，整個交易欺詐事件的降低率達到了50%。第二個場景是監管報送，第一，當前優問題的點在于實時性，我們目前監管報送基本上是T+1，甚至是M+1，今天把消費金融的借貸剛剛上報完，我明天去借筆款，在未來一個月的時間，這個數據是沒有上報到銀行的，其他的銀行不知道的，這是一個數據的滯后。數據治理，如何共享多個監管機構數據，數據標準不統一，數據補償方式。數據安全，數據傳輸依賴于人工的傳輸方式，怎么樣做到一個數據安全加密通道的傳輸。數據分析能力，這一塊目前來說還沒有充分發揮我們的機器學習和大數據的一些能力，對于對可疑的交易進行自動的識別，我們會根據一些數據的特征，可以預測到某一些金融產品會存在未來違法的風險，這是我們可以做到的。

　　至少我們在以下幾個方面做一些優化，比如說目前我們知道銀行里面有一個系統，已經在做類似的API的接口，如果我們有一個監管機構提供數據報送實時API接口，金融機構通過調用API，實時上傳數據到監管數據倉庫，監管機構通過API定義完成后續數據清洗和服務編排邏輯。消息隊列，金融機構作為消息生產者，監管機構作為消費者，通過消息隊列完成數據上報實現業務應用與監管數據上解耦。加密傳輸，防止在一些網絡上對數據進行非法的竊取。整個AI使監管數據分析與利用，有三個步驟，第一，通過一些支持向量機+神經網絡等于合規風險評估模型，有了這個模型以后我們再通過實際的交易運行過程之中，我們去找到我們存在一些欺詐行為，或者一些有問題交易數據的特征，找出來以后進行微觀的分析。找到這么多數據，我們再次做一個宏觀審慎的分析，通過宏觀角度看看我們的模型有沒有一些值得改進的地方，能不能夠去更加提高它的準確率，這是我們的一個過程。

　　這是在監管報送這一塊，華為公司和工商銀行的一個情況，目前工商銀行利用華為公司的MPP和EAST兩個系統，搭建一個大數據平臺，通過大數據平臺處理更多的跟監管相關的一些數據的處理，并且上報。

　　第三個場景，關于客戶的身份識別，我們傳統銀行識別比較簡單，獲取信息的渠道比較單一，通常是用戶來辦理一個儲蓄和貸款的時候，我們會索取他的一些相關的信息，這種方式比較單一，并且我們只有他初始的時候來的這些數據，它是一個靜態的數據，沒有動態的數據。互聯網金融時代，現在KYC方式，依賴于客戶儲蓄或貸款獲取客戶信息。信息獲取模式單一，只有靜態數據。現在KYC挑戰。交易金額相對較小，我們現在有很多的小額交易，非常的頻繁，互聯網貸款的話有很多同仁都關注于網上貸款這一塊的風險，其實我們要解決整個互聯網上的貸款要相對來說比較高的問題。總體來說，我們是針對于互聯網金融時代，相對于過去我們更難以識別客戶的風險。

　　我們要做到整個KYC升級，身份識別，我們可以把一些技術相結合，比如說指紋識別，虹膜識別，語音識別，面部識別，把所有這些識別加在一起就是形成了一個個人獨一無二數字化的身份證。通過這個數字化身份證的技術，我們在利用區塊鏈的技術，技術區塊鏈我們知道它是一個不可篡改，它是一個去中心化的，不可篡改意味著我們的數字身份也是不可篡改的，沒有辦法人為修改我們的關鍵信息來進行一些欺詐的行為。通過這樣的技術手段來識別我們用戶的一個身份。

　　識別用戶身份以后，我們通過一些機器學習的算法找到一些數據，最后達到幾個用戶畫像。這是華為商城自己做的一個東西，根據用戶一些廣告的電擊去分析這個用戶的行為畫像，分析用戶的喜好，整個過程是離線的，不是在線的推送。通過這樣的一個優化以后，我們在KYC+TRD實現精準營銷，用戶點擊我們可以進行實時采集，對他進行一個實時用戶畫像，對他實時去推送他有可能喜歡的東西。

　　第四，法律法規的跟蹤。法律法規跟蹤，特別是過去三年，我們社會金融系統風險是比較加劇的。通過機器學習，我們進行一個采樣，通過自然語言處理，通過一些對法律法規的閱讀，形成一些規則，翻譯成機器可吃別的規則。人機交互，通過知識圖譜，建立一個知識網絡系統。這是基于華為GraphBase圖計算框架挖掘數據，業務場景，從用戶資金交易、關系網絡、媒介關系中挖掘欺詐、洗錢、循環、轉賬、信用卡套現等行為，基于圖計算機的風控可解釋性強。

　　最后一個場景是金融風險的壓力測試。從97年亞洲金融危機，到2008年的次貸危機，到2018年的貿易戰，我們的金融系統都面臨著壓力。這是英國對于傳統的一個金融壓力測試沙箱的定義。首先選舉有代表性的金融機構，選定壓力測試場景，信息披露，根據壓力測試結果，準確無誤的披露實際測試結果。金融監管科技發展趨勢，過去以人工處理為主，后來是監管報送可以達到一定工作流的自動化，現在是持續監控，預測性分析，依靠人工智能和機器學習來自動的識別一些風險。

　　這是在國內目前的狀況，在FinTech這塊我們發展很強，走在世界的前列。這是金融監管科技技術架構。華為公司主要提供在基礎的硬件平臺，這一塊大家很熟悉了，第二塊是我們大數據處理的平臺。最上層在大數據里面有數據庫和機器學習深度學習的算法和一些工具。

　　這是我分享的內容，謝謝大家！

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。

責任編輯：趙子牛