The Innovation | 后疫情时代，金融反欺诈剑指何方？

导

读

新冠疫情冲击全球金融体系并加速数字化转型，导致金融欺诈的动机增强，欺诈行为更为复杂和隐蔽，给反欺诈带来严峻的挑战。本文分析了疫情下金融欺诈新特征，概述了反欺诈中使用的数据类型从结构化到非结构化的发展，回顾了反欺诈方法的演变，特别讨论了基于图神经网络的方法，最后探讨了后疫情时代智能金融反欺诈的挑战和潜在方向。

图1 图文摘要

金融欺诈的频繁发生已严重影响金融市场的正常秩序，受到学界、业界和监管机构的广泛关注。新冠疫情正以前所未有的方式和强度冲击着全球金融体系，加速数字化转型，助长金融犯罪，也给金融反欺诈带来新的挑战。

由于金融欺诈的类型多种多样，且还在不断增加，对其分类尚未达成共识。总结之前的文献，本文根据涉及的主要金融机构，构建出一个金融欺诈分类框架（图2），主要包括证券、银行、保险和其它类型的金融欺诈。

图2 金融欺诈分类框架

新冠疫情的持续肆虐为金融欺诈提供了机会。一方面，疫情导致的经济下滑给公司和个人带来了不断增长的经济压力，欺诈动机增加。另一方面，疫情爆发加速数字化转型，为欺诈活动提供了新的渠道，使其变得更为隐蔽，如众多业务流程被迫由线下转为线上，加剧了信息不对称，导致检测难度增加；另外，新的金融产品和服务不断涌现，使现有的反欺诈方法难以快速适应。

数据类型的演变

纵观金融反欺诈实践中使用的数据，从直观易获取的定量结构化数据，到多样化的半结构化数据，再到当前复杂的非结构化数据，数据类型不断丰富。随着5G和移动互联网的普及，海量多源的数据为描绘金融活动全景视图提供了基础，同时对有效整合和利用全景式数据的反欺诈方法研发提出挑战。

反欺诈方法的演变

随着数据类型的演变，反欺诈方法也在快速升级，从开始基于规则的专家系统，到传统的统计机器学习方法，再到现今以图神经网络为代表的深度学习方法，从尽可能多的角度来整合和利用信息进行全面监测成为必然趋势。作者重点介绍了近两年提出的金融反欺诈研究，以探讨在后疫情时代如何从复杂异质的海量数据中监测以及挖掘出欺诈活动的相关信息。

当前挑战

人工智能技术虽已局部应用于金融反欺诈，但在后疫情时代实现基于全景式大数据的反欺诈，还有一些关键问题亟待解决：

• 任务层面：欺诈的隐秘性会导致样本存在天然误差；金融活动的复杂性导致反欺诈涉及的信息过于广泛。

• 数据层面：数据孤岛问题难以解决；处理大规模数据耗时耗力。

• 方法层面：模型偏差问题需要充分关注；稳健性、可解释性需要加强。
  

总结和展望

本文对金融反欺诈实践的发展进行了全面回顾。首先分析了疫情下金融欺诈的新特征，基于这些变化，简要介绍金融反欺诈中使用的数据类型的演变。然后通过从传统手段到最新技术的回顾，总结反欺诈方法的发展，对未来的算法设计提供新思路。最后探讨了当前面临的挑战，为后疫情时代智能金融反欺诈提供启发性思考。

扫二维码｜查看原文

原文链接：https://www.cell.com/the-innovation/fulltext/S2666-6758(21)00101-6

本文内容来自Cell Press合作期刊The Innovation第二卷第四期以Review发表的“Intelligent Financial Fraud Detection Practices in Post-Pandemic Era” (投稿: 2021-05-20；接收: 2021-09-24；在线刊出: 2021-10-19)。

DOI: https://doi.org/10.1016/j.xinn.2021.100176

引用格式：Zhu X., Ao X., Qin Z., et al. (2021). Intelligent Financial Fraud Detection Practices in Post-Pandemic Era. The Innovation. 2(4),100176.

作者简介

朱晓谦，中国科学院科技战略咨询研究院副研究员，Journal of Operational Risk期刊副主编。研究方向为金融风险管理、大数据管理决策。主持国家自然科学基金面上项目、青年项目等8项课题。在国内外主流期刊和国际会议上发表论文50余篇。入选中科院青促会。获省部级科技进步二等奖1项。

Web：http://www.casisd.cn/sourcedb_ipm/zw/zjrc/201801/t20180116_4933514.html

敖翔，中国科学院计算技术研究所副研究员，硕士生导师。研究方向为智能金融、数据挖掘与自然语言处理。先后主持国家自然科学基金项目3项，在国内外主流期刊会议发表论文50余篇，入选北京市科技新星、中科院青促会、微软亚洲研究院“铸星计划”、中科院计算所卓越之星。

Web：https://aoxaustin.github.io/

何清，中国科学院计算技术研究所研究员、博士生导师，中国科学院大学岗位教授，中国科学院智能信息处理重点实验室机器学习与数据挖掘课题组负责人。中国人工智能学会副秘书长、常务理事、机器学习专业委员会常务理事。已在国内外刊物和学术会议上发表论文300余篇，引用6000余次，h-index为38。曾获PAKDD2018国际会议最有影响力论文奖，2015年吴文俊人工智能科学技术创新奖二等奖，2006年北京市科学技术奖。

Web：http://people.ucas.ac.cn/~0000964

李建平，中国科学院特聘研究员、中国科学院大学特聘教授、中国科学院大学经济与管理学院常务副院长。主要研究领域：风险管理、大数据管理决策。获 “中国青年科技奖”、“全国优秀科技工作者”、“中科院优秀导师奖” 、爱思唯尔中国高被引学者等。主持国家杰出青年科学基金、国家自然科学基金重点项目等20多项重要课题研究。在国内外学术期刊上发表论文130余篇，出版专著6部，申请专利和获得软件著作权20余项。获得省部级自然科学/科技进步奖一等奖2项，二等奖4项。

Web：http://people.ucas.ac.cn/~lijianping

往期推荐

期刊简介

扫二维码 ｜ 关注期刊官微

The Innovation 是一本由青年科学家与Cell Press于2020年共同创办的综合性英文学术期刊：向科学界展示鼓舞人心的跨学科发现，鼓励研究人员专注于科学的本质和自由探索的初心。作者们来自全球26个国家；每期1/3-1/4通讯作者来自海外。目前有185位编委会成员，来自21个国家；51%编委来自海外；包含1位诺贝尔奖获得者，26位各国院士；领域覆盖全部自然科学。The Innovation已被DOAJ，ADS，Scopus，PubMed等数据库收录。

期刊官网1（Owner）：

www.the-innovation.org

期刊官网2（Publisher）：

www.cell.com/the-innovation/home

期刊投稿（Submission）：

www.editorialmanager.com/the-innovation

商务合作（Marketing）：

[e-mail]

Logo｜期刊标识

See the unseen & change the unchanged

创新是一扇门，我们探索未知；  

创新是一道光，我们脑洞大开；  

创新是一本书，我们期待惊喜；  

创新是一个“1”，我们从此走起。