“身份计算（Identity Computing）是网络欺诈的终结者。”11月19日，在2017全球创业周中国站最后一日，压轴场的人工智能产业投资论坛上，汪德嘉如此断言。
汪德嘉是知名金融科技安全公司通付盾的创始人、董事长兼CEO，数据科学家，国际计算机学会(ACM)资深会员、全球安全组织OWASP及CSA区域负责人、工信部开放移动互联委员会专家委员，被多家权威媒体评价为“金融信息安全的守护者”。
“金融科技”是2017年的热搜词，其范畴已超越传统金融，涉及区块链、人工智能等多种前沿技术。随着金融科技的快速发展，如何管理风险并保障其安全成为了风口上的事，“金融的核心是风控”。这一次，汪德嘉博士在人工智能产业投资论坛上演讲的内容就是关于这一关键问题，“用AI解除‘风控误杀’的痛”。
从金融科技的痛点“风控误杀”开始，汪博士表示“当前信贷网申中存在20%以上的误杀，而金融机构需要进一步提高平台的数据清理和分析的能力。而为解决‘第一次发现‘的难点问题’，AI的应用也必将大有可为“。汪博士针对当前金融行业各机构、各业务系统的现实情况，提出基于设备ID打造隐形账号体系、设计欺诈识别神经网络算法的创新思路，为解决“跨机构、多系统、数据不统一“的风险识别和防控难点问题提供思路。相比传统的“用户画像”，汪博士认为，移动金融时代，我们更需要“设备画像”，让手机等移动设备成为人体随身携带的传感器，充分反映用户属性，并基于身份计算（Identity Computing）识别和防范各类网络欺诈问题。
“身份计算”在汪博士的新书《身份危机》中也有大量体现。《身份危机》分为上、中、下三篇，上篇结合数据泄漏实例进行网络安全和数据保护知识的科普，中篇分析科技发展史上各种身份识别技术的发展和迭代，下篇提出利用区块链；、人工智能、设备指纹等创新技术，基于“身份计算”理论，构建“身份互联网”，重构金融级身份认证体系。
核心观点： 在风控误杀的需求里，包括在整个网络空间和数字经济里，最核心的问题是什么？是身份问题。不管欺诈还是信用问题，最重要的是解决身份问题。人工智能可以做到这一点。
————————————————————
以下是汪德嘉博士演讲全文的速记稿整理，AI森林在不改变原意的基础上进行精编：
非常荣幸，首先要感谢映初，2011年我回国创业时，他投资了我，而且是在没有做尽调的情况下。
很多人认为机器人可能不会有情感，周院长刚才讲的内容，颠覆了这种认知。所以，大家会很担心，机器人变坏怎么办？我们通付盾就负责解决这种棘手的安全问题。
今天要讲的是比较细分的一个领域：用AI的方法来医治金融风控误判的痛。
AI在金融领域能做些什么？四个方向：1、征信。2、营销。3、风控。4、智能投顾。前段时间，智能投顾方面有新的要求和规定，因为怕智能投顾忽悠人、骗钱。征信方面，“信联”年底前会不会成立？会不会落地？请大家拭目以待。
今天我主要想讲营销和风控两个领域。在我看来，风控是全流程的，是客户关系管理。而精准营销，就是做在前头的风控。
这里，我想老生常谈一下“风控平台”。我有不少朋友在这个行业里面做了不少案例，特别是信贷类的风控。大家知道现金贷包括流量、低廉资金和风控等方面。在互联网金融公司里，运营部门、风控部门经常打架。因为流量特别贵，运营部门认为误杀的情况严重、成本太高，而风控部门认为公司必须降低不良率、提高资产的优质率，所以风控的规则、模型必须严格。有数据表明，现在互联网金融公司普遍存在超过20%的风控误杀，这的确是行业痛点。
如何减少风控的误杀？首先，如何解决“第一次发现”的难题？对此很多互联网金融公司把风控埋点往前提，利用深度学习技术，在第一次见到你的时候，就知道你是好人还是坏人，就像“面相师”。这个很有难度，要基于很多的优质数据进行训练，需要通过案例来积累经验，这就是AI可以发挥作用的地方。
另外，风控误杀很多是因为黑名单造成的，消费金融行业常用的多头借贷黑名单有的是分享来的，有的是黑客偷来的。数据量很大，但是质量良莠不齐，有很多人就被“误杀”了，这是互联网金融行业一大痛点。
互联网金融平台，特别是网贷平台，需要提高数据清洗能力。坏人有团伙性，都是非常聪明的，他们的欺诈方式变化特别快，他们共享信息也特别快。如何对抗他们？平台也要有灵活的自我学习的能力。
做风控，必须要分清人和机器。互联网上65%的流量是机器人流量，很多是爬虫类的，大家看到很多平台上有验证码，作用就是为了区分机器人和人。
如何区别人和机器人？我的观点是，AI产生的问题肯定要用AI来解决，连接产生的问题用连接的方法解决。不可能用传统的封闭方法解决问题，比如用防火墙将内外网隔离开来。对于AI可不能这样，你只有接触才知道是好人还是坏人，你要通过数据和行为分析来解决问题。
这里面就是AI要发挥的作用，AI的输入是数据，产生出来的是智能，未来的输入不仅是数据，还可能是算法、模型，即输入的是智能，产出的是更高级的智能。
我们通付盾在这方面有一些产品。我们有一个风控盾体系，包括账号盾、欺诈盾、信用盾、应用盾，四大“金刚”。对于金融类APP，我们要对应用做安全检测，做加固，像医生一样，给应用开药，这就是应用盾。账号盾，把安全的风控点往前移，这里面如何证明你自己是你自己，关键在于解决第一次、第二次的身份认证问题。第一次身份认证通过AI，人脸识别、生物特征、指纹、声音纹来实现。为什么人脸识别比较好？因为国家有一个很大的图像库，可以进行比对。而第二次身份认证，涉及到钱与合规，例如5万以上的交易要符合什么样身份认证条件。
账号盾，第一是区别人和机器人，第二是判断对方是否是适合你的对象，是好人还是坏人。接下来的认证，基于你过去的数据做判断。第三是反欺诈方面，因为管人很难，管机器相对容易。然后我们再做行为分析、数据共享，再去拦截欺诈。
在区分机器人和人之后，另一个可能存在的问题是，一个人在A平台上表现非常好，在B平台上可能已经做了坏事。如何让大家知道这个人是坏人？这需要一个跨系统的数据对接。
比如，BAT都有自己的封闭系统，如何做一个跨越他们平台、跨浏览器、跨业务系统的风控系统？这个事情非常难，但非常重要。
通付盾的解决办法是，使用设备指纹。设备指纹是跨系统行为间分析的有效手段。每个机器人给一个标签、给一个唯一的ID，基于这个ID可以贯通各个平台，把在其它平台的坏事、好事串联起来，而且不侵犯隐私，是脱敏的。
我们需要从人的画像，过渡到设备的画像。通过设备画像，设备和人有了关联。在网络上，一定要给每一个用户自己能够控制的数据，与设备的绑定和解绑的关联，人可以进行控制。
基于设备画像，有一个用户行为的分析闭环，里面涉及到技术等很多方面，我不详细讲了。
对于人工智能来说，数据虽然重要，但是算法比数据还重要。特别是新型的算法，这些基于网络计算的算法，欺诈识别的神经网络算法，也是我们花了六七年或者更长时间研发的，是我们的核心竞争力。
人工智能抑制风控误杀，其实不仅是风控误杀，网络空间里面、数字经济里面，最核心的问题是什么？是身份问题。不管欺诈还是信用问题，最重要的是解决身份问题。涉及到金融，钱是谁的？数字机器人的身份，是好还是坏？你要判断它的身份是什么。
我最近写了一本书《身份危机》，包含许多身份计算的内容，希望能普及这方面的知识。身份计算，会是网络欺诈的终结者。今天就分享到这里，谢谢大家！
