一、解决方案简介

天御金融风控大模型，融合了腾讯安全20多年黑灰产对抗过程中所积累的海量风控知识与多场景风控模型能力，吃百家饭，学百家艺，通过大量预训练与知识蒸馏方式，帮助金融机构根据自身信贷场景特点与产品客群特征，快速构建定制化的反欺诈风控模型。

随着业务的发展，金融机构已经进入精细化运营和差异化竞争的阶段，各机构的产品设计和目标客群都有比较大的差异，反欺诈技术也从过去的通用反欺诈模型发展到定制化的阶段。

在零售数字化的过程中，为了适应客群下沉、金融产品秒批秒放、快速审核等特点，需要更加敏捷、动态、精准的风控能力。然而，金融反欺诈受表现期长，样本收集成本高，产品渠道迭代快等因素影响，普遍面临样本不足问题，导致金融定制化模型极易发生过拟合，导致上线后模型不稳定，或者效果衰减快，给风险控制带来很大挑战。

天御金融风控大模型，融合了腾讯安全天御大量风控建模专家的经验以及知识，20多年沉淀的海量欺诈样本与多场景风控模型能力，吃百家饭，学百家艺，通过大量预训练与知识蒸馏方式帮助金融机构快速构建定制化的反欺诈模型，基于腾讯云金融风控大模型生产的定制风控模型，相比传统方案反欺诈效果（模型区分度，KS）提升了20%。基于金融风控大模型天御团队将“风控策略”与“算法模型”深度融合，打造了一款高效轻量化建模工具——天御MaaS平台，该平台以多元化的平台能力、技术能力、数据能力为基础，涵盖“获客+授信准入+贷中管理+贷后管理”全流程的智能风控大模型体系，帮助金融机构根据自身信贷场景特点与产品客群特征，快速构建定制化的反欺诈风控模型。

此外，天御MaaS平台进一步将360全景评测集、预置模型评估模板以及专为金融场景设计的自动调参算法进行集成，支持一键完成多算法建模，适配丰富建模场景；支持天御自研大模型算法，解决复杂样本问题；支持一键完成软件安装和版本热更新，可全自动实现从模型训练，到评估筛选乃至部署上线，大幅缩短建模周期，实现风控迭代效率和模型稳定性双提升。

金融机构接入腾讯云金融风控大模型后，可基于“样本提示”模式自动生成定制风控模型，实现从样本收集、模型训练到部署上线的全流程零人工参与，建模时间从以前的2周缩短到仅需2天。

例如在建模需求旺盛的消费金融行业，面对每半年甚至几个月一次的模型迭代需求，某头部消费金融企业接入风控大模型之后，大幅提升了模型迭代效率，双方一起联合共建了10个定制化的风控模型，应用在反欺诈、信用初筛等多个业务场景。

金融风控大模型也能高效解决“小样本”甚至是“零样本”建模难题。东风日产融资租赁借助腾讯云的风控大模型，在只有较少样本的情况下就完成了定制化的风控建模，建模时间节省了70%，让底层的风控模型上具备了坚实的风控免疫力，支持金融业务开展。

目前，腾讯安全已经和头部金融机构联合共建了上百个定制化的风控模型，基于大模型生产的定制化风控模型，相比传统方案反欺诈效果（模型区分度，KS）提升了20%。

二、应用场景痛点简介

1.风控大模型产生背景

由于贷款业务线上化、数字化以后，人工审批的效率远远不能满足业务发展，于是以机器学习模型为代表的人工智能审核成为金融风控的重要手段和构成部分。风控模型就是把专家经验抽象成一系列风控策略集，提升判断风险的效率。譬如欺诈检测模型、准入模型、风险定价模型、额度管理等贯穿金融信贷业务的全生命周期。传统的风控模型主要依托于金融机构的历史金融数据和专家经验，呈现出“静态模型+动态策略规则”的特征，即整体风控模型的框架不变，调整具体策略的阈值，例如以前针对有过三次逾期记录的用户申请不予通过，现在有可能根据欺诈态势调整为有过一次逾期记录的才不予通过。但在金融机构面临的内外部趋势变化下，金融机构不仅要敏捷迭代策略，还要迭代模型本身，构建以“动态模型+动态策略规则”为代表的“模型对抗”能力。

2.核心痛点

①传统风控策略无法支撑业务发展。在大量银行开展零售信贷业务的过程中，会有全新的客群、存量客户精细化运营、全新的拓客渠道。用传统调整风控策略阈值的方式无法支撑大规模零售业务的稳定性。要从根源也就是风控模型的迭代和升级，才能占据风控的主动。

②新型黑产手段升级。黑灰产运用新技术发动安全攻击的反应速度非常灵敏，甚至于黑灰产也可能研发一个欺诈大模型，能24小时不间断生成不同身份特征的用户，向金融业务发起贷款申请。防守方要能跟上攻击方的节奏才能保障攻守平衡。这同样要求金融机构迭代风控策略和模型的速度要快起来，否则会形成技术降维打击。

③企业风控技术能力受限。金融机构在快速迭代风控模型中面临着专业建模人才缺乏、数据样本缺乏、预算不足等方面的问题。

三、解决方案亮点介绍

腾讯天御金融风控大模型是全球首家发布的风控大模型解决方案，在应用上已经较为成熟。总结来说有几个方面的优势：

1.助力金融机构零样本冷启动

金融机构新产品上线，或者业务由线下转线上，通常只有少量或者零表现线上样本，需要冷启动风控策略，导致要面对不可预知的风险，腾讯云金融风控大模型可以克服这些困难，首先腾讯安全有丰富的黑灰产对抗经验，沉淀了跨业务场景的多模态风控知识库，覆盖了不同业务场景的模型，特征和标签等；其次会对金融机构通过Prompt方式提供的无标签样本或者小样本做知识抽取，与多模态知识库做知识融合；后通过强化学习对生成式样本做模型训练，相比传统的小样本学习算法的KS（Kolmogorov-Smirnov，评估模型效果的一种指标）提升20%以上。

2.泛化能力强

单个业务场景训练模型背景下，由于信贷业务发展速度快，模型训练一般使用的是过去一段时间的历史样本，几个月后就会出现模型效果衰退，但是腾讯安全融合了海量跨场景风控知识库，能够覆盖不同类型的欺诈和违约模式，模型泛化能力比较强。

3.支持模型快速迭代

腾讯天御金融风控大模型实现了全流程自动化，通过对话框实现无代码专家级建模，自动化特征工程，自动模型寻参，自动生成360度模型评估报告，并且还提供了专家级的模型筛选策略，模型迭代速度非常快，传统风控模型，能力比较强的服务商从入场到模型搭建到测试到发布上线，整个过程需要两个星期，腾讯天御金融风控大模型只需要2天就可以完成整个流程。

4.360度模型评估

金融风控大模型也为客户提供超越自身样本的模型评估体系，包含所有的风控模型评估指标，覆盖全量金融风控的细分场景，让客户360度全面评估到模型的稳定性和泛化性。

四、金融行业客户名单

客户名单：中原消金、湖南农信、东风日产融资租赁。

五、客户评价

中原消金首席风险官周晨卉评价：

大模型具备的海量风控知识和高度模块化的AI能力，可以加快风控模型迭代步伐，提升模型的信息容量，让风控模型更加贴合业务经营情况。在合作的过程中，我们发现腾讯的产品对我们的风险识别工作有一定的增益，腾讯对我们个性化需求的响应速度以及支持力度也非常高。腾讯的优势在于技术和数据的积累，在反欺诈领域亦有独特的技术沉淀；中原消费金融的优势在于贴近市场，对行业有着独特的理解，对于新技术的接受度也比较高。双方优势互补，希望未来双方在一些前沿的技术领域有更深入的合作，继续产生新的火花。