知识图谱提升商业银行反欺诈手段

陈婕

摘 要：伴随着我国市场经济发展水平的不断提升，商业银行也开始成为金融行业的活跃分子，并为我国的市场经济进一步深入发展起到了重要的促进作用。作为以盈利为目的的银行机构，商业银行的主要利润来源为其所开展的信贷业务，并且大多为为中小型企业运营发展所提供的信贷业务，这一类型的信贷业务存在着较大的运作风险，从而使得贷款诈骗问题成为影响商业银行运营的重要问题之一。为此，本文首先对当前我国商业银行反欺诈活动开展的现状及其所存在的问题进行分析，随后则具体探究知识图谱在商业银行反欺诈风险防范体系中的建设方法和运作流程，从而为我国商业银行反欺诈体系建设的提供可行思路，以期促进我国商业银行促进的稳定性提升。

关键词：知识图谱;商业银行;反欺诈;电子金融

中图分类号：TP18;F832.33 文献标识码：A 文章编号：1671-2064（2019）22-0251-02

0 引言

现代信息技术的发展为金融领域风险防范体系的建设提供了更多的可能。市场经济的不稳定性特点使得市场活动中的不诚信问题层出不穷，当前我国的商业银行正面临着空前的金融欺诈活动风险，为了促进自身经营的安全性提升，避免因欺诈行为而蒙受经营损失，我国的商业银行应当积极引进现代化反欺诈防范手段，从而更好的促进自身经营风险防范能力增强。我国商业银行既往应用的信用信息风险评估体系为异构图谱体系，这一体系对信用信息分析的速率低，分析结果也存在着一定的局限性，并且其对于新型金融信贷欺诈风险的防范能力较差，很难满足商业银行实时更新的多元化反欺诈需求。因此，当前我国的商业银行应当积极的引入知识图谱分析模式，从而切实有效的促进自身反欺诈能力的提升。

1 当前我国商业银行反欺诈活动开展的现状

为了更好的疏解我国银行职能，满足当前我国市场上众多的中小企业的经营融资需求，我国政府号召商业银行应当承担起普惠金融业务，从而更好的疏解社会融资压力。我国的商业银行顺应这一需求，纷纷放宽了金融借贷门槛以便更好的促进中小型企业的融资难度降低，但这也在一定程度上导致了商业银行遭受信贷欺诈风险的可能性大大增强。然而，现阶段商业银行对于融资企业的信用 风险进行评估的手段仍然相对落后，大多是进行现场调查、人工调查后进行预测，这样信用风险预测存在着较大的主观性，并且所取得的信用风险评估结果也具具有着较大的误差性，这就会直接导致商业银行的经营风险提升。

在另一方面，当前我国正处于中小型企业爆发式发展时期，市场准入原则的放宽和鼓励发展的政策措施使得大量的中小企业建立，虽然其中确实有不少中小企业为我国的社会主义市场经济发展作出了卓越贡献，但鱼目混珠的情况也确实存在，部分存在不良居心的中小企业经营者借助自身信息的不透明性来滥用商业银行贷款，从而为商业银行造成了贷款欺诈风险。除此之外，虽然当前我国商业银行的贷款欺诈风险问题不断暴露，我国也创建了一系列的法律法规对中小企业融资的规范性进行了要求，但仍然无法保证商业银行不会受到贷款欺诈问题的影响，因此商业银行也有必要从自身角度出发，切实促进对融资对象的信用风险评估水平提升。

2 商业银行反欺诈活动开展的难点分析

2.1 商业银行业务主体小微企业信息透明度不佳

商业银行之所以会受到信贷欺诈问题的影响，最直接的因素还是由于其在对贷款对象进行信用评估时的准确度不足，从而没有有效判断贷款对象的风险水平，从而导致自身经营蒙受损失。不同于对个人信贷者的信用风险评估，对企业开展信用风险评估所需要考衡的项目更多，所需要分析和辨别的信用数据也要更复杂，这就直接导致了商业银行对中小型企业的信用评估难度加大。除了这一原因外，中小型企业在进行融资时所存在的信息透明度较差的客观因素也是导致商业银行在对其进行信用评估时的结果不够准确的重要原因之一。在过去，我国对于中小型企业信贷活动的管控比较严格，商业银行所开展的信贷活动客户往往是大中型企业，而所采取的信用评估方法为采用“申请评分卡”对大中型企业的信用状况进行评估，并以此为依据决定是否对其进行放贷和放贷的额度。然而，这样的评估模式不仅需要企业本身具有着较强的发展实力，还需要企业在申请贷款时完整、真实的报告自身的企业信息，如果“申请评分卡”中的任意一则信息存在虚假或缺失，都会直接导致企业的贷款融资失败。对于大中型企业而言，其所存在的财务审计制度可以为银行提供准确、严密的信用信息以供审核，但对于中小型企业而言，其经营的规范性尚未完善，几乎无法为商业银行提供充分准确的信用数据，这就使得“申请评分卡”这一信用审核模式无法在中小型企业评估中应用，从而导致商业银行不得不降低对其进行信用审核的标准，进而就增加了自身的反欺诈风险。

2.2 商业银行与业务主体间的信息交互关系不强

无论是哪一种模式的信贷业务，银行与信贷主体间的信息不对称问题都是客观存在的，而解决这一问题的根本手段就在于银行要增强与信贷群体间的交互关系，从而刚好的帮助银行获取贷款对象的信用信息。在上文中曾提到，由于中小企业正处于自身经营与发展的初期阶段，其企业内部工作体系的建设不够规范化，自身的财务审计信息也缺乏透明度和准确性，这就在客观层面导致商业银行与中小型企业间的信息不对称问题严重化。而部分中小型企业还并不注重对银行间的信息交汇，甚至刻意隐瞒自身不利于贷款申请的财务信息，这就使得商业银行无法对其进行有效的风险评估。除此之外，中小型企业所申请的信贷业务大多不足一年，在这么短的时间内是无法有限建立起欺诈标签的，这就使得商业银行传统的信用风险评估系统无法有效识别欺诈标签，从而持续性的对存在风险性的信贷活动作出错误判断。

2.3 信息化反欺诈手段应用的信息基础不足

当前我国商业银行所采取的反欺诈信息化手段主要为异构图谱分析方法，其中所包含的信用关系图谱主要由申请人个人的设备、账户IP，联系人的设备及IP随后分析其既往账户运作及登陆情况，进而判断贷款申请对象是否可能存在欺诈行为。传统的异构图谱分析方法对于反欺诈实践所起到的效果是显著的，但其对贷款申请者的审核流程却非常笨拙，由于缺少对核心数据的精准提取能力，其所得到的信用风险分析结果需要较长时间才能够识别出来，而當前商业银行所开展的信贷活动均需要快速的对信贷对象的信用指标进行预算，因此异构图谱分析方法就无法满足商业银行的反欺诈风险防范需求。而提异构图谱分析方法的分析速率，就需要其进行预学习以便在运作时快速进行数据分析，然而异构图谱分析法采用的图嵌入算法进行深度学习算法的选择受到异构网络的限制较大，学术界当前尚无有效解决方法，亟需对这一系统进行更新换代。

3 基于知识图谱方法的商业银行反欺诈方案设计

3.1 何为知识图谱

知识图谱是一种结构化的语义知识库，其将现实世界中的各类概念及关系以符号的形式进行描述，并建立起一个网络状的知识结构以满足数据分析需求。在一则信息进入知识图谱后系统会自动提取与这一信息具有关联性的信息，从而将其补充到自身的图谱网络中，这样在需要提取数据时就可以迅速对目标数据及其相关内容进行提取。知识图谱运作的基本框架为，第三方数据库向知识图谱输入一个数据后，结合结构化数据对所输入数据进行数据整合，然后再将其进行知识表示。而对于所输入的半结构化数据和非结构化数据，则进行知识提取后再进行表示。在数据整合知识表示后系统会对其进行属性矫正和进行评估、更新，最后输出知识推理数据后放置于知识图谱中，以便在应用时提供快速、便捷的应用服务。

3.2 知识图谱在商业银行反欺诈活动中的作用分析

知识图谱在商业银行反欺诈活动中的作用主要是针对当前我国商业银行的反欺诈信用评估需求进行满足，因此其对于商业银行而言，知识图谱所起到的作用主要包括：对申请贷款的客户进行特征速写，通过对其既往银行交易流水中信息的分析和挖掘，判断客户周边的客户关系及其申请贷款基金所可能运用的渠道。对用户的财务报表进行分析，人为审核财务报表需要审核者具有极高的数据分析能力，并且即便是在这样的情况下也仍然可能对抽象的财务报表数据分析不够透彻，而采用知识图谱后便可以采用数据化手段对客户财务报表内的数据进行分析。对客户的经营管理特征进行分析，由于个体差异事实的客观存在，不同的企业经营者具有着不同的风险偏好，而对于商业银行而言，风险厌恶型的经营者其所管理的企业的发展显然要更为平稳，也更加被商业银行所青睐，而知识图谱的则可以通过对贷款客户上下游关系的分析、投资活动的分析等判断出客户端个人经营特征。

3.3 知识图谱在商业银行反欺诈活动中的应用流程

3.3.1 客户信息预处理

知识图谱是对第三方数据、结构化数据和非结构化数据的共同整合，因此其开展一切分析活动的根本就在于对数据进行收集和预处理。知识图谱内数据的收集主要是来源于两个方面，首先是商业银行在长期经营过程中所积累的客户信息数据、账户流水及交易信息等，这些数据是知识图谱进行反欺诈信用评估的最根本信息来源。其次则是在互联网平台上公开的企业工商数、舆论评价等，这些数据大多为非结构化或半结构化形式，需要知识图谱在对其进行抓取后处理，从而才能纳入到自身的数据库中。

3.3.2 知识图谱本体建模

本体建模主要是知识图谱依据商业银行的业务建立一个专门的信用信息评估体系，从而在商业银行开展业务时可以直接通过知识图谱中的建模对客户信用信息进行处理。通过本体建模后所制定出的信息分析方法将更适用于不同类型的业务分析需求。本体建模的根本目的在于对商业银行业务开展过程中的各类实体及其关系属性进行明确，这一关系属性不仅仅要满足现阶段商业银行业务开展的需求，也要对未来商业银行可能对业务进行的调整作出预估，从而才能保证自身的本体建模可以始终满足商业银行的业务分析需求。知识图谱中的本体建模构架主要由三方面内容构成，首先是企业的上下游图谱，主要是对目标企业与其周边企业间的关系进行分析。其次是企业投融资图谱，主要是对企业及其主要经营者的既往投资、融资行为，和投融资活动中产生的诉讼、借贷、纠纷关系进行明确。最后则是企业关联图谱，主要是对以上两种图谱进行整合构建，从而将企业与企业间、个人与个人间及企业与个人间的信用信息关系联系起来。

3.3.3 知识图谱信息抽取

知识抽取是对知识图谱内的广泛信息进行针对性识别后抽取，从而使得知识图谱中的信息内容更加易懂和精准。知识抽取主要是由三部分结构组成，其一是识别命名实体，主要是对与商业银行信贷业务有关的专业名词、与申请贷款企业有关的企业名称、人名、行业用语等进行识别。其二是属性抽取，在知识图谱对命名实体进行识别后所得到的是独立的词条信息，这样的词条信息是不具备结构性的，直接输出将会难以进行读取，这时就需要知识图谱对命名实体进行整合，从而将其转变为结构化信息以供信息读取者参考。其三则为关系抽取，其主要是通过对以上两环节处理后所取得的句子进行关系建立，并最终使得句子间的关系回归三元组关系。

3.3.4 知识图谱信息存储与提取

知识图谱的不断拓充将会提升其信息分析的准确性和信息关系建立的完整性，因此知识图谱也需要对外界信息进行持续的收集。为了满足信息图谱的存储需求，当前主要采用RDF和图数据库两种模式对知识图谱中的信息进行存储。而在实际应用的过程中最为常用的则是Neo4j图数据库对数据进行存储，这样存储的好处就在于图数据库可以转移到其他类型的信息分析系统中进行分析，从而可以为多元化的商业银行信用数据分析提供可能。而知识图谱的展示则主要是将所分析出的数据输出为可以直接读取的统计数据，直接来讲就是让信用风险评估的专门工作者可以直截了当的确定所分析信贷对象的信用风险信息。

3.4 知识图谱风险控制体系

知识图谱在对商业银行客户的信用信息分析出结果也可以直接应用于商业银行反欺诈风险防范系统中。对于企业上下游图谱而言，其可以通过对行业产业链的上下游关系、企业的上下游关系进行分析后构成图谱三元组，进而判断两企业间是否是行业内的上下游关系。对于企业投融资图谱的分析则可以直接判断信贷企业的投资情况。例如，如果一个企业的经济纠纷较多，就间接证明其投资行为比较频繁，从而就能够对企业的信用信息情况进行深层次分析。对关联企业图谱而言，其可以直接判断哪些企业与信贷企业间存在往来密切关系，如果密切关联关系企业也有信用信息数据分析结果，则就可以作为对信贷企业进行风险分析的辅助判断条件。

4 结语

随着近些年来我国国内宏观市场经济环境的逐渐趋于成熟，我国民营经济在实现快速发展的同时也直接带动了我国商业银行的信用贷款业务的发展。商业银行在经营的过程中不可避免的会面临信贷欺诈风险的影响，而这将对于我国商业银行自身经营发展的稳定性与持久性起来十分不良的影响。因此我国商业银行在现代企业提供信用贷款服务的过程中，应当有意识地通过知识图谱的形式对于企业自身的经营能力以及抵抗风险的能力进行全面的评估与把控。知识图谱可以通过对中小型企业信息的深入分析和全面处理，满足商业银行的实时用户信用信息风险评估需求，并且可以和商业银行的信贷业务充分融合，并实现实时评估信息评估，这对于为商业银行吸纳优质信贷业务具有着至关重要的作用。

参考文献

[1] 姜增明，陈剑锋，张超.金融科技赋能商业银行风险管理转型[J].当代经济管理，2019，41（01）：85-90.

[2] 金磐石，万光明，沈丽忠.基于知识图谱的小微企业贷款申请反欺诈方案[J].大数据，2019，5（04）：100-112.

[3] 姜渊，黄桦，赵奕.知识图谱在金融行业的应用展望[J].金融电子化，2016（09）：87.

[4] 佚名.“魔”高一尺，“道”高一丈——详解明略大数据金融反欺诈技术创新[J].金融電子化，2017（03）：90.

[5] 雷丰羽.知识图谱在金融信贷领域的应用[J].现代商业，2018（10）：89-90.

[6] 曹汉平.全流程反欺诈体系的升级与重塑[J].金融电子化，2018（06）：27-28.

[7] 郑迪松，王河森.基于知识图谱的国内家族企业研究可视化分析[J].工业经济论坛，2016（01）：85-97.