十年養成玉山AI力,下一步瞄準零接觸金融
為實現「科技的玉山」目標,玉山培養千人科技聯隊,其中包括資訊處800人組成的「神經系統」、智金處100人組成的「AI大腦」
文/王若樸 | 2021-08-16發表
.
今年5月疫情爆發,政府啟動勞工紓困專案,「短短幾天,玉山就湧入數十萬件申請案件!」玉山銀行董事長黃男州回憶。
但在短時間內,玉山就一條鞭消化這些爆量申請,撥出60、70億元貸款,甚至不動用大量人力就能完成。他們靠的是機器人流程自動化(RPA)和AI,自動審核超過80%的申請案件,黃男州驕傲地說:「這就是科技的力量!」在這之中,AI更是一股重要力量。
比如2年前,玉山已開始將AI落地到金融服務中。他們自建信用卡盜刷偵測模型,0.1秒就能判斷信用卡是否被冒用,一天用上數十萬次,一年更省下上億元的損失。
不只如此,他們也自行開發理財認知偏好推薦AI 模型,能根據客戶承受風險等級和交易紀錄,在7秒內推薦最合適的5檔基金。
就連貸款,也高度仰賴AI。玉山利用機器學習打造零人工介入的線上貸款流程,最快58秒就可撥出款項。在風控領域,更用AI加速黑名單掃描、風險評估,甚至是辨識詐騙帳戶,精準度還比傳統人工方法高出40倍。
玉山AI力不是一夕成軍,而是十年養成
玉山AI遍地開花,可不是一夕成就。
回到2012年,玉山啟動第三個十年目標,要從服務的玉山、專業的玉山,邁向科技的玉山。那時,原本100多人規模的玉山資訊處,已開始大動作延攬人才,成為玉山千人科技聯隊的濫觴。
在技術研究和實作方向上,也開始轉變。2013年,玉山大舉將資料分析成果應用到數位業務,兩年後更成立創新發展中心(IDC),來觀察新技術。
那一年,2015年,玉山進一步調整關鍵組織,一方面專注發展新業務領域,一方面將AI技術落地到實務場景中。他們成立數位金融處,設置全臺第一個金融數位長職位,來專攻數位金融服務。數金處瞄準普惠金融、場景金融和智慧金融三大目標,要讓金融如水電便利、走到顧客生活中,還要用AI來優化服務流程。
這也是首次,AI罕見地出現在玉山重要業務組織的任務中。數金處誕生後,也成為科技聯隊一員。
不只調整組織,玉山在基礎建設上,也往AI靠攏。2016年,玉山開始設計新核心系統、制定4年汰換上線計畫,除了將老舊的程式語言COBOL,汰換為時下熱門的.NET和Java語言之外,更重要的是,將原本大型主機的「大核心」模式,轉換為小核心的微服務架構和開放式平臺。如此一來,玉山就能更快速更迭服務,也更容易共享資料,讓後續的AI模型開發更便利。
2017年,玉山進一步著墨新技術研究。他們成立創新實驗室(Innovation Lab),來鑽研AI、區塊鏈、身分辨識、電子支付等前瞻技術,同時下設研發、商轉、顧問和育成四大中心,來鞏固技術人才資源佈局。
2018年,迎來了玉山AI力養成的關鍵轉捩點。
當時,他們率先全臺成立科技長辦公室,定調金融AI發展藍圖,還終止多個不乏達上千萬元等級的專案,改將資源投注在AI上。那年,玉山開始打造自家機器學習即服務(MLaaS)平臺,成為後來AI落地的關鍵基礎設施之一。
但設立科技長辦公室還不夠。2019年,玉山還成立專責單位,將運作十多年的大數據分析團隊CRV,正式轉型為負責開發AI應用的智能金融處,成為內部AI供應商,要將AI融入到玉山各個業務中。
這兩個組織,也陸續成為玉山科技聯隊的核心成員,形成科技聯隊資訊處、數金處與智金處的鐵三角架構。至此,玉山AI組織到位、關鍵團隊正式成形,成為「科技的玉山」中一股重要推力。
神經系統、AI大腦相互分工,下一步瞄準零接觸金融
這個科技聯隊規模達上千人。黃男州進一步解析,科技聯隊有四大成員,包括800多人組成的資訊處與信用卡處IT團隊、100多人的數位暨客群處、100多人的智金處,以及30人的資安處。
如果資訊處是玉山的神經系統,負責串起各種業務流程,那麼,智金處就是「玉山的大腦系統。」黃男州比喻,這個AI大腦專門解析大量資料,用機器學習將資料轉化為有益業務的AI系統,優化服務。
而玉山之所以敢大力嘗試AI,是因為科技聯隊中,有個扮演「煞車角色」的資安處。這個部門規模雖小,但負責檢核IT應用安全性,成為創新的煞車。黃男州甚至形容:「如果沒有煞車,大家只會慢速前進!」正因為有它,科技聯隊才敢加速,才敢創新,甚至是嘗試AI新技術。
不只如此,對玉山AI大腦來說,他們還有顆很重要的強韌「心臟」,也就是去年上線的新核心系統。黃男州指出,開放式新核心平臺主打交易、會計分離,能處理更大量的交易,與一年前相比,交易量成長可達50%,尖峰時段甚至更高。
這對AI大腦有著深遠影響。因為,更多的交易量,意味著更多的資料,「大腦也就更聰明。」
他甚至直言,核心系統上線後,迎來了AI應用大爆發的寒武紀:在行銷面,AI可以找出顧客下一個最需要的產品、分析顧客生命周期對玉山的整體貢獻,在風控面,AI可以快速掃完幾百份報紙、找出關鍵名詞建立黑名單,也能快速揪出信用卡盜刷交易、即時阻擋。
甚至還能優化客服中心,「客服通話一定要真人嗎?人工語音也能回答很多問題,」黃男州還舉例,透過語音轉文字,還能大規模檢驗客服品質、改善客戶服務。
不只如此,對他來說,AI還能自動化更多流程,舉凡財富管理、申請貸款、開戶等原本需要人工處理的業務,都包括在內。玉山也預告,零接觸金融是他們下一個發展目標。
玉山金控科技長張智星更透露,未來還要以NLP為核心,來發展AI客服,以及其他金融業務的流程自動化;只要主管機關開放,玉山就會用技術力轉化為零接觸金融服務。
這些遍地開花的AI應用,不是偶一為之。在各種AI服務落地前,玉山早已大動作重整組織、調整文化,組成100多人的AI開發團隊,來打造專用技術平臺,提供源源不絕的AI活水。接下來,我們將從戰略面、組織面、技術面來剖析玉山AI力。
AI如何成為科技玉山的重要力量
2012年
啟動第三個十年目標:科技的玉山
2013年
開始將資料分析成果運用到數位業務
2015年
成立創新發展中心(IDC),研究新技術;成立數位金融處,設置全臺第一位金融數位長,瞄準普惠金融、場景金融和智慧金融,要用AI槓桿優化金融服務
2016年
開始設計新核心系統架構、擬定4年上線計畫,要從大型主機的「大核心」邁向微服務架構的「小核心」,該架構也讓資料分享更容易
2017年
成立創新實驗室(Innovation Lab),研究區塊鏈、AI、身分辨識、電子支付、大數據和AR/VR等六大技術,下設研發、商轉、顧問和育成四大中心,鞏固技術人才資源
2018年
鎖定AI,領先全臺金融界成立科技長辦公室、設置科技長,開始建立專屬AI生產技術工具
2019年
原有大數據分析團隊CRV轉型為智能金融處,由科技長擔任處長,專門打造AI應用;科技聯隊鐵三角正式成形
2020年
新核心系統上線,開放式平臺特性將交易、會計分離,一年後交易量比舊時代成長至少40%至50%,更多資料有益於AI分析
2021年
智金處內部改組,強調服務落地及相關法遵風管;至此,玉山AI已在賦能、風控、流程、行銷、服務等5大領域遍地開花
附圖:玉山銀行董事長黃男州形容,玉山千人科技聯隊中的智金處是玉山「AI大腦」,負責解析大量資料、打造更聰明的金融AI服務。(圖片來源/玉山金控)
資料來源:https://www.ithome.com.tw/news/146179?fbclid=IwAR1ZGGV7rmCLnHqS3zT4JWw8IKtEqnDuzIW2doXP30OKL6uVHeAL0j-TzhY
「信用卡盜刷偵測」的推薦目錄:
- 關於信用卡盜刷偵測 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於信用卡盜刷偵測 在 iThome Security Facebook 的最佳貼文
- 關於信用卡盜刷偵測 在 iThome Facebook 的精選貼文
- 關於信用卡盜刷偵測 在 Re: [分享] Origin盜刷事件自力救濟團- 看板creditcard 的評價
- 關於信用卡盜刷偵測 在 iThome - 玉山銀行將自行開發的信用卡盜刷偵測模型放置於 ... 的評價
- 關於信用卡盜刷偵測 在 玉山銀行人工智慧公開挑戰賽-2019秋季賽-真相只有一個 ... 的評價
- 關於信用卡盜刷偵測 在 [教學影片] 信用卡盜刷偵測(Credit Card Fraud Detection) 的評價
- 關於信用卡盜刷偵測 在 玉山盜刷客服、信用卡盜刷偵測在PTT、社群 - 信用卡資訊討論站 的評價
信用卡盜刷偵測 在 iThome Security Facebook 的最佳貼文
前幾年國際信用卡組織都在探討用AI解決支付詐欺的問題,例如VISA的VAA,而銀行端同樣有此需求,國內玉山銀行也這麼做,將歷史資料透過探索式資料分析,並成功開發信用卡盜刷偵測模型,快速偵測信用卡交易異常行為
附帶一提的是,根據聯徵中心統計,國內發卡機構2021年1-5月詐欺通報金額6億2,900萬元(非實際損失)
信用卡盜刷偵測 在 iThome Facebook 的精選貼文
玉山銀行將自行開發的信用卡盜刷偵測模型放置於MLaaS平臺上,透過API呼叫方式,讓業務系統快速取用AI推論結果
#看更多 https://www.ithome.com.tw/news/146199
信用卡盜刷偵測 在 iThome - 玉山銀行將自行開發的信用卡盜刷偵測模型放置於 ... 的推薦與評價
玉山銀行將自行開發的信用卡盜刷偵測模型放置於MLaaS平臺上,透過API呼叫方式,讓業務系統快速取用AI推論結果#看更多https://www.ithome.com.tw/news/146199. ... <看更多>
信用卡盜刷偵測 在 玉山銀行人工智慧公開挑戰賽-2019秋季賽-真相只有一個 ... 的推薦與評價
玉山銀行人工智慧公開挑戰賽_2019秋季賽_真相只有一個_信用卡盜刷偵測-15th place(top1%) Feature Engineering. 比賽網址:TBrain E.SUN AI Open Competition Fall ... ... <看更多>
信用卡盜刷偵測 在 Re: [分享] Origin盜刷事件自力救濟團- 看板creditcard 的推薦與評價
這有什麼好噓的,盜刷偵測與詐欺偵測演算法(credit card fraud detection
algorithms)已非常普遍,我今天之所以發這篇文章,就是看不慣EA與某些信用卡/金融卡
公司(例如中華郵政VISA) 公司的態度與做事方法,這些集團根本沒有花心思在這裡,這
次才會出這麼大的包,他們應該好好調查盜刷事件發生的原因,並請專業的資料科學家來
建立盜刷偵測系統。現在已經是2015年了,機器學習(machine learning)與資料科學
(data science)技術已經相當成熟,而且早就有信用卡公司利用這些演算法來進行盜刷防
治。如果這些公司願意投資機器學習、資料科學與統計專家建立盜刷偵測系統,很多盜刷
行為都可以被防止,減少曠日廢時的救濟程序甚至金額損失。以我自己的經驗,這次郵局
VISA最可惡,除了是我主動發現以外,反應時間慢,對這次的盜刷事件也只是消極回應,
甚至給我承諾的電話都沒打過來.
我稍微解釋一下目前現在有什麼方法對這類的詐欺或盜刷行為進行防治。
通常我們說信用卡詐欺(credit card fraud),指的是對你的信用卡(credit card)或扣帳
卡(debit card)進行詐欺或盜用,典型區分為兩種模式:
離線式詐欺(offline fraud):也就是直接偷取你的實體信用卡詐欺或盜刷。
在線式詐欺(online fraud):也就是透過非過卡交易詐欺,例如透過網站、電話、傳真等
購物方法,獲取你相關的信用卡資訊。根據VISA公司的研究報告,2008年歐洲國家有50%
的信用卡詐欺行為是發生在此類別。
對於這些詐騙或盜用,常用的資料科學與機器學習的防治方法列舉如下:
最基本要做異常偵測(Outlier Detection),也就是找出交易紀錄異常或奇怪的地方,有
些交易的模式、行為或數值與大多數的交易並不相同,我們就必須懷疑是有不同的正常交
易的機制(mechanism)導致這樣的狀況。例如假設今天我為某家信用卡公司加裝偵測系統
,偵測到在同一天的某個時段裡,有許多客戶的信用卡在此時段裡被刷卡,而且交易公司
都指向某家公司(或是類似的幾家)。但是以往大量的歷史紀錄並沒有這樣的情況,我們就
必須懷疑這些交易可能是某集團已經掌握了大量客戶的卡號,進行未經授權交易,這時偵
測系統就應該反映。
在機器學習理論中,我們把方法概括地區分為監督學習(supervised learning)與非監
督學習方法(unsupervised learning),套用到偵測信用卡詐欺此例,前者是你必須從過
往的歷史數據中,精確地標籤哪些行為是正常交易,那些交易是盜刷詐欺,透過機器學習
演算法建立一個適當的預測模型後,判斷未來的某一筆交易行為是否是正常或盜刷詐欺。
後者則剛好相反,也就是你不需要事先從過往的歷史數據,標籤那些是盜刷行為,哪一些
是正常交易行為,我們只要給出一個偵測異常行為的偵測機制。
常用的演算法:
人工神經網路(Neural Networks):透過數學與計算模型,模仿人類或其他生物的神經網路
結構,進行事件的預測或決策。應用在信用卡詐欺偵測的如E Aleskerov(1997)[1],
Ghosh and Reilly(1994)[2],S Maes(2002)[3]。
決策樹演算法(Decision Tree algorithm):決策樹是機器學習、人工智慧與統計中常用的
方法。Y. Sahin and E. Duman(2011)[4]在論文中就採用此法。
支持向量機(Support Vector Machines):支持向量機是一種非常普遍的監督式學習的方
法,透過構造平面或超平面來對對象進行分類。採用此方法來進行信用卡詐欺偵測的論文
如Rong-Chang Chen(2006)[5]。
貝氏信念網路(Bayesian belief networks):一種非常常見的機率圖形學習模型
(probabilistic graphical model),也是人工智慧與機器學習非常重要的方法之一,發
展此模型的計算機科學家Judea Pearl因為這個成就得到計算機科學界的最高榮譽圖靈獎
(Turing Award)。採用此方法來進行信用卡詐欺偵測的論文如S.Maes(1993)[3]
還有很多方法,例如混合的、logistic regression、naïve Bayesian等等,我就懶得列
相關研究了。這些東西不論在學術界還是業界早就有豐富的經驗與技術,只是看你的公司
願不願意花心思聘請人來做而已。
參考資料:
[1] E. Aleskerov, B. Freisleben, and B. Rao. Cardwatch aneural network based
database mining system for credit card fraud detection. In Pmceedings of
Computational Intelligence for
Financial Engineering, pages 173-200,1997
[2]Ghosh, S. and D. L. Reilly (1994). Credit card fraud detection with a
neural network. In Proc. of the Twenty-Seventh Hawaii Int. Conference on
System Sciences, pp. 621-630. IEEE Computer Society Press.
[3]Sam Maes, Karl Tuyls, Bram Vanschoenwinkel, Bernard Manderick, “Credit
card fraud detection using Bayesian and neural networks,” Interactive
imageguided neurosurgery, pp.261-270, 1993.
[4]Y. Sahin, S. Bulkan, E. Duman, “A cost-sensitive decision tree approach
for fraud detection”, Expert Systems with Applications, vol. 40, issue 15,
pp. 5916-5923
[5]Chen, R.C., Chen, T.S., Lin, C.C.: A new binary support vector system for
increasing detection rate of credit card fraud. International Journal of
Pattern Recognition and Artificial Intelligence (IJPRAI) 20(2), 227–239
(2006)
另外回應你幾點宣稱:
1.
我當然可以向EA證明我是持卡人,我提供我的信用卡代號,再透過Visa驗證服務就可以知
道我是持卡人,甚至我也可以直接拍下我的實體信用卡進行雙重驗證。
2.我的確沒有任何Origin帳號,卻仍被盜刷,但是你可以參考[6]發現,一些持有Origin帳
號的人信用卡被盜刷。
[6]https://www.mobile01.com/topicdetail.php?f=283&t=4207002
3.「我也相信沒被入侵啦」,你相不相信那是你家的事情,但現實與你的信念是兩碼子的
事情。你宣稱「要不然帳號資料庫早就被公開了。」這樣的論斷毫無邏輯根據,只是你一
廂情願的觀點而已。誠然,有些駭客在駭完某些server之後,為了炫耀會大肆散佈得手資
料。但如果你有研究過網路金融詐欺史,會發現許多非常低調且手段高超的犯罪集團,盜
取大量個人資料並用此賺取利益,並沒有大肆散佈資料庫。
現實是,有些人有在Origin上註冊帳號且輸入新用卡卡號盜刷,而有些從來沒有註冊
Origin的人也被盜刷,我們可以根據這兩個事實建構出可能的兩個模型:
a)Origin的伺服器被駭客入侵,同時駭客掌握了其他並沒有存在Origin伺服器上的信用卡
資料(例如入侵其他服務得到),開始大肆刷卡。
b)Origin的伺服器沒有被駭客入侵,但駭客掌握了大量的信用卡資料,在Origin上大肆刷
卡。那些有存信信用卡卡號在Origin的人被盜刷,只是因為其他途徑流出信用卡相關資料
,並不是Origin伺服器被入侵導致信用卡外洩。
透過這兩個可能的模型,可以知道以現在我們擁有的證據,都無法論斷「Origin server
被入侵」這個命題,必須要有更多詳細的論據。我再說一次,你宣稱:「我也相信沒被入
侵啦」,你相不相信那是你家的事情,現實與你的信念是兩碼子事。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.77.32
※ 文章網址: https://www.ptt.cc/bbs/creditcard/M.1420782736.A.6C3.html
※ 編輯: Wittgenstein (140.112.77.32), 01/09/2015 14:05:43
... <看更多>