行业痛点与挑战 - 金融行业面临数据要素流通难题和模型对抗瓶颈等核心痛点 [1] - 黑灰产技术升级大幅增加风控难度 风险形态持续升级导致模型表现不佳 [3] - 传统建模流程耗时耗力 从启动建模到模型上线需数月时间 [7] - 小微企业面临专业建模人才匮乏 新业务建模样本量不足问题 [7] - 金融机构数据获取困难 缺乏线上对接途径且数据真实性存疑 [15] 技术解决方案架构 - 提出"数据-模型-场景"三层架构 形成智能风控闭环体系 [4] - 高质量数据是智能风控基础支撑 模型是核心引擎 应用是落地价值 [4] - 金融行业作为数据密集型领域 是大模型绝佳练兵场 [4] - 需针对不同业务领域建立定制化风控模型并持续迭代 [4] 天御金融风控大模型特性 - 业界首个针对金融风控的大模型 融合15年欺诈知识沉淀 [7] - 建模时间从2周缩短至2天 上线周期从7天压缩至0天 [7] - 欺诈识别效果相比普通定制模型高20%以上 [8] - 小样本和零样本场景表现优秀 具备高度泛化能力 [8] - 通过预训练与知识蒸馏方式实现全流程零人工参与 [7] 实际应用成效 - 某互金公司挽回超2万高价值客户 新增年化收益达千万级 [13] - 某商业银行客群识别能力提升16% 跨场景泛化能力提升20%以上 [13] - 信鸽产品累计服务超2500万人次 覆盖银行流水/个税/学历等数据源 [18] - 已向网约车/婚恋/学历核验等千行百业复制推广 [18] 数据流通创新方案 - 信鸽解决方案基于"个人数据可携带权"实现合规数据流转 [15] - 采用清洁可信环境+加密技术+区块链建立信任关系 [17] - 实现验真-传验分离 确保数据不可篡改 [18] - 入选2025可信云大会智能场景类目录 通过司法级可信认证 [18] 行业发展趋势 - AI大模型正逐步渗透金融服务各个环节 [3] - 零售信贷场景成为构建企业级智能风控能力的重要抓手 [7] - 需加速新兴技术与风控场景深度融合 [19] - 行业持续共建动态立体的反诈与风控体系 [19]