华为技术公司肖晓锋出席2018中小银行发展高峰论坛

华为技术公司解决系统方案经理肖晓锋

　　新浪财经讯 11月30日消息，由《当代金融家》杂志社、鸿儒金融教育基金会、蚂蚁金服联合主办的“2018年中国中小银行发展高峰论坛”在广州召开，本届论坛主题为“新时代中小银行金融科技与风险防控”。华为技术公司解决系统方案经理肖晓锋出席并发表主题演讲。

　　以下为发言实录：

　　廖文义：各位嘉宾，同志们，下午好，现在中小银行高峰论坛，我们进行第四个专题，实践分享——科技银行范本，关于金融科技和银行如何结合，金融公司和银行在新的领域发挥各自的优势。首先我自我介绍一下，受论坛组委会的邀请，我担任第四个专题的主持，我是廖文义，来自深圳市大数新金融服务公司，也是深圳市大数新金融研究院执行院长。

　　刚才我们董事长在前一个环节做了一个很精彩的分享，就是大数金融，大数金融在深圳市注册了一家非营利组织的机构，叫做大数新金融研究院，我担任执行院长，我过去跟大家一样，也是银行的从业人员之一，我工作30多年，曾在人民银行、中国银监会、广东局、广西局，还有地方城商行都有一个工作经历，前后工作了将近30多年。所以我对城商行，特别是我们小银行特别有感情，小银行发展是非常不容易的，尤其是在现在这么一个新的时代，新的经济形态，经济增长下降的过程当中，产业结构调整面临很多不额确定因素的情况下，城商行的生存和发展也遇到了很多的挑战，如何在这个挑战之中能够走出重围，我们必须要利用新的金融科技。这个环节主要是安排了两个内容，第一个内容就是请三位嘉宾进行主题发言，首先有请是华为技术公司解决系统方案的专业人士，肖晓锋给大家做一个分享。有请。

　　肖晓锋：大家下午好，金融监管核心这一块，相对来说我们目前发展的情况落后于我们的Fintech，在当前的情况下我们有一些什么样的技术可以助力金融科技的发展。这四个词，我们已经谈了很多遍了，我们的金融监管离不开这四个词，通常大家比较认可的定义，金融监管科技是基于大数据、云计算、人工智能和区块链等新技术为基础，致力于维护金融体系的安全稳定，实现金融机构的稳健经营，以及保护消费者权益的新兴科技。

　　整合在金融监管体系里面，它的参与者跟我们的Fintech是一样的，是三个参与方，一方面是金融机构，另外一方面同样都会受到“一行三会”、“一行两会”的监管。现在更强调是一个监管科技公司。由这三方共同组成了金融监管科技生态的参与者。我们到了今天为什么要做金融监管科技呢？我们主要面临四个方面的问题，第一，是新的形式，从十年前的一场美国次贷危机发生以后，我们的巴塞尔协议，整个金融机构其实在实践监管法规上面更多还是以人工为主，人工为主会导致我们整体效率的问题，现在中美贸易战的情况，也面临更严峻的形势。还有成本上升，最大的问题出现在今年大概6、7月份的时候，面对新形势的情况下，我们怎么做好针对一些新的金融产品的监管。另外有这么多的法律法规的出台，我们需要去满足我们监管的要求，我们更多是投入人的话，我们的成本会有一个上升，我们需要借助于科技的手段，早上我们通过一个语音有一个催收，这是一个很好的案例，节约成本的。另外我们在Fintech我们是全世界技术领先的。在这一块英国和美国走的比较靠前，我们要两条腿走路，不能有短板，我们要把这一块冲上去，缩小跟国外同行的持久。

　　整个金融监管要监管什么呢？目前我们大家比较认同金融监管科技应用的场景主要在五个方面，第一，交易行为监测，第二，监管报送，第三，法律法规跟踪，第五，金融机构压力测试。每一个不同等级的用户有多少存款的余额，每个月消费多少钱都有一个很严格的规定，分为四个等级。法律法规跟踪这块我们应该利用一些机器学习的技术和自然语言处理的能力，自动读取我们法律法规的文档，去解析它的业务规则。另外一块就是金融机构压力测试，昨天闭门会议有嘉宾谈到了我们现在选取了有五家的金融机构，有一定社会影响力的，在这块可能会关注它的监管沙箱，在线价值AaR，有没有做到如实信息的披露。我们目前面临的形势还是非常的严峻，这是截止到2018年10月底，这是互联网金融风险分析技术平台监测数据显示，假冒伪劣的仿冒网站就有4.8万，我们经常会收到一些网站，有一些链接，看似是一个正常金融机构的网址，其实它并不是一个真正的金融机构的网址，它也许会盗取你的信息。反洗钱，现在形式也更多样化了，区块链最大的应用是ICO这一块，整个金融体系的一个稳定带来了一定的挑战，很多反洗钱的方式已经通过区块链的方式拿到了一个虚拟币，虚拟币通过一个互联网是无国界的，很容易把钱洗到国外去。这是最新中国反洗钱的报告，整个在2016年有4.12亿份，可以交易报告有543.57万份，涉案人员超过7000人，公诉达到了5500件左右，相关涉案人接近2万人，反洗钱非常的严峻。面对这么严峻的形势，我们利用大技术数据和人工智能的技术，将我们的结构化数据和非结构化数据相结合，依赖于我们现在机器相关学习的算法和一些算力的平台，来进行交易行为的监测和探测。

　　事前处理，我们通常会把一些相关的条文进行学习，然后实时监测。事中处理，我们会进行3D验证，进行进一步核验。这是事后的处理。针对交易难题做了一个实时监控的系统，对系统层面的关注，更关注四个点，第一，我们有没有一套智能决策，第二，如果要让交易的用户做到零感知，并且一个很大的交易量，信用卡刷卡的情况下，高并发数据我们能不能应对。我们在多长的时间能够响应风控的挑战，让用户有零的感知，整体来讲是对我们整个系统处理高性能的一个要求。这是具体的案例，跟招商银行合作的，招商银行的信用卡，最早定位是面向零售为主的银行，它的信用卡通过任何一个收单渠道上来以后，会接入我们的反欺诈系统，它的反欺诈系统有接近500多个风控规则，你如果放行通过的话，才能够让交易继续进行，有一些情况会做一些3D的验证，验证是否是这个人。我们对于整个系统会提出一个叫高的性能要求，就是刚才提到的高性能、TPS，高并发。我们需要做到在500个风控情况下，应对1秒钟1万笔刷卡交易的情况下，我们给予我们风控检测的时候只能在50毫秒以内才能够做到客户的零感知，整个交易欺诈事件的降低率达到了50%。第二个场景是监管报送，第一，当前优问题的点在于实时性，我们目前监管报送基本上是T+1，甚至是M+1，今天把消费金融的借贷刚刚上报完，我明天去借笔款，在未来一个月的时间，这个数据是没有上报到银行的，其他的银行不知道的，这是一个数据的滞后。数据治理，如何共享多个监管机构数据，数据标准不统一，数据补偿方式。数据安全，数据传输依赖于人工的传输方式，怎么样做到一个数据安全加密通道的传输。数据分析能力，这一块目前来说还没有充分发挥我们的机器学习和大数据的一些能力，对于对可疑的交易进行自动的识别，我们会根据一些数据的特征，可以预测到某一些金融产品会存在未来违法的风险，这是我们可以做到的。

　　至少我们在以下几个方面做一些优化，比如说目前我们知道银行里面有一个系统，已经在做类似的API的接口，如果我们有一个监管机构提供数据报送实时API接口，金融机构通过调用API，实时上传数据到监管数据仓库，监管机构通过API定义完成后续数据清洗和服务编排逻辑。消息队列，金融机构作为消息生产者，监管机构作为消费者，通过消息队列完成数据上报实现业务应用与监管数据上解耦。加密传输，防止在一些网络上对数据进行非法的窃取。整个AI使监管数据分析与利用，有三个步骤，第一，通过一些支持向量机+神经网络等于合规风险评估模型，有了这个模型以后我们再通过实际的交易运行过程之中，我们去找到我们存在一些欺诈行为，或者一些有问题交易数据的特征，找出来以后进行微观的分析。找到这么多数据，我们再次做一个宏观审慎的分析，通过宏观角度看看我们的模型有没有一些值得改进的地方，能不能够去更加提高它的准确率，这是我们的一个过程。

　　这是在监管报送这一块，华为公司和工商银行的一个情况，目前工商银行利用华为公司的MPP和EAST两个系统，搭建一个大数据平台，通过大数据平台处理更多的跟监管相关的一些数据的处理，并且上报。

　　第三个场景，关于客户的身份识别，我们传统银行识别比较简单，获取信息的渠道比较单一，通常是用户来办理一个储蓄和贷款的时候，我们会索取他的一些相关的信息，这种方式比较单一，并且我们只有他初始的时候来的这些数据，它是一个静态的数据，没有动态的数据。互联网金融时代，现在KYC方式，依赖于客户储蓄或贷款获取客户信息。信息获取模式单一，只有静态数据。现在KYC挑战。交易金额相对较小，我们现在有很多的小额交易，非常的频繁，互联网贷款的话有很多同仁都关注于网上贷款这一块的风险，其实我们要解决整个互联网上的贷款要相对来说比较高的问题。总体来说，我们是针对于互联网金融时代，相对于过去我们更难以识别客户的风险。

　　我们要做到整个KYC升级，身份识别，我们可以把一些技术相结合，比如说指纹识别，虹膜识别，语音识别，面部识别，把所有这些识别加在一起就是形成了一个个人独一无二数字化的身份证。通过这个数字化身份证的技术，我们在利用区块链的技术，技术区块链我们知道它是一个不可篡改，它是一个去中心化的，不可篡改意味着我们的数字身份也是不可篡改的，没有办法人为修改我们的关键信息来进行一些欺诈的行为。通过这样的技术手段来识别我们用户的一个身份。

　　识别用户身份以后，我们通过一些机器学习的算法找到一些数据，最后达到几个用户画像。这是华为商城自己做的一个东西，根据用户一些广告的电击去分析这个用户的行为画像，分析用户的喜好，整个过程是离线的，不是在线的推送。通过这样的一个优化以后，我们在KYC+TRD实现精准营销，用户点击我们可以进行实时采集，对他进行一个实时用户画像，对他实时去推送他有可能喜欢的东西。

　　第四，法律法规的跟踪。法律法规跟踪，特别是过去三年，我们社会金融系统风险是比较加剧的。通过机器学习，我们进行一个采样，通过自然语言处理，通过一些对法律法规的阅读，形成一些规则，翻译成机器可吃别的规则。人机交互，通过知识图谱，建立一个知识网络系统。这是基于华为GraphBase图计算框架挖掘数据，业务场景，从用户资金交易、关系网络、媒介关系中挖掘欺诈、洗钱、循环、转账、信用卡套现等行为，基于图计算机的风控可解释性强。

　　最后一个场景是金融风险的压力测试。从97年亚洲金融危机，到2008年的次贷危机，到2018年的贸易战，我们的金融系统都面临着压力。这是英国对于传统的一个金融压力测试沙箱的定义。首先选举有代表性的金融机构，选定压力测试场景，信息披露，根据压力测试结果，准确无误的披露实际测试结果。金融监管科技发展趋势，过去以人工处理为主，后来是监管报送可以达到一定工作流的自动化，现在是持续监控，预测性分析，依靠人工智能和机器学习来自动的识别一些风险。

　　这是在国内目前的状况，在FinTech这块我们发展很强，走在世界的前列。这是金融监管科技技术架构。华为公司主要提供在基础的硬件平台，这一块大家很熟悉了，第二块是我们大数据处理的平台。最上层在大数据里面有数据库和机器学习深度学习的算法和一些工具。

　　这是我分享的内容，谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

责任编辑：赵子牛