2018年数字金融反欺诈白皮书

２０１８年数字金融反欺诈白皮书

数字金融反欺诈白皮书

CONTENTS

目录核心观点

序言2序言1序言3附件一：网络金融欺诈行为名词表附件二：数字金融反欺诈技术名词表

第一章　金融欺诈风险不断升级

第二章　金融反欺诈手段不断演进

第四章　建议和展望

场景1 网络支付场景2 网购运费险场景3 网络借贷场景4 网络营销场景5 供应链金融场景6 消费金融场景7 手机银行场景8 生猪保险

674358810424344

4649

1821242730333638第三章　数字反欺诈在不同金融场景中的应用

一、数字技术与金融结合催生新业态二、数字金融欺诈风险不断升级

一、数字金融欺诈的主要特点二、传统反欺诈技术面临的挑战三、数字金融反欺诈的主要技术手段

一、数据是基础二、技术是支撑三、机制是保障

1113131541

3序言1

当前，金融科技的发展及其对传统金融行业的渗透已成为不可逆转的潮流。我们欣喜地看到，金融科技的应用大幅降低了金融领域的信息不对称性，切实推动了普惠金融的发展，为健全多层次金融市场做出极大贡献。然而，事物的发展往往是一体两面的，对于新生事物更是如此。金融科技方兴未艾，但基于此的新型欺诈手段也不断滋生，金融欺诈风险不断升级。

在现阶段守住不发生系统性金融风险底线的宏观背景下，金融监管、防范风险的重要性被提到前所未有的高度。由于数字与金融的“联姻”，金融的欺诈行为呈现出专业化、产业化、隐蔽化、跨区域等新特征，对传统的反欺诈手段形成极大挑战。因此，针对金融领域的反欺诈技术也应不断革新，既要精准打击存在的风险，也要执棋先行，做到防患于未然。

在《数字金融反欺诈白皮书》中，我们有针对性地梳理了欺诈新方式，反欺诈手段，以及在8个金融场景中识别、打击欺诈行为的落地实践。这8个场景应用涉及网络支付、网络保险、网络借贷、供应链金融、消费金融等领域，既有数字金融的常规业务也有传统金融的创新，既涉及B端欺诈也包括C端欺诈，既有事前识别拦截也有事后打击制裁，可以说是对数字金融领域的欺诈与反欺诈所做的一次较为全面的总结。

通过白皮书的发布，一方面，我们希望为行业提供一本新型欺诈真实案例的“警示录”，并介绍反欺诈的先进经验；另一方面，我们借此呼吁行业内外的各界同仁携手，共同加强反欺诈技术的研究合作和数据信息共享，为数字金融的碧海蓝天贡献绵薄之力。

数字金融反欺诈是一场持久战，不可能毕其功于一役，只有在技术的不断迭代中实现自身的动态优化，才能取得真正意义上的胜利。反欺诈之路，道阻且长、行则将至！

京东金融研究院院长孟昭莉

数字金融反欺诈白皮书

序言2

数字技术与金融的融合正成为一种不可逆的潮流，金融新模式、新业态不断呈现。然而有光的地方总有影子，技术在创造便利的同时，也带来威胁；金融的巨大外部性可以创造，也可以毁灭。数字金融在发展、升级，伴随技术而来的新型金融欺诈亦是如影随形，各种新手段层出不穷。

欺诈事件，一方面不利于数字金融行业的良性发展，另一方面也对传统金融的创新业务造成了诸多不利的影响。严峻形势之下，反欺诈刻不容缓。

反欺诈是金融行业永恒的主题，在《数字金融反欺诈白皮书》中，我们从数字金融欺诈的特点和传统反欺诈手段的不足出发，具体阐述了数字金融反欺诈的主要技术手段在具体情境中的应用。新型金融欺诈步步紧逼下，传统的反欺诈手段无所适从，解决问题的手段必须是与时俱进的，技术是决定数字金融反欺诈取得实效的关键。白皮书中的8个典型的反欺诈场景应用，详细阐述了欺诈手法，重点介绍了反欺诈技术。数据的采集、分析、以及最后据此做出的决策在每个反欺诈案例中都落到了实处。这以一种更加直观的方式呈现了问题以及问题的解决之道。

无序且不受监管的个人数据使用是欺诈产业得以“壮大”的重要基础，数据的安全问题显得尤为重要。同时，数字金融欺诈多样化、产业化、隐蔽化、场景化的特点，决定了反欺诈方式必须从孤军奋战走向联合打击。此外，反欺诈不仅仅是针对既已发生的诈骗行为，事前做好防止工作，防患于未然、打击于无形才是上上之选。

如《双城记》中所言：“这是最好的时代，也是最坏的时代。”一方面，技术在发展，数字金融不断自我革新；另一方面，层出不穷的数字金融欺诈避之不及，只能直面。放眼金融科技的未来，我们怀着希望，也要保持警惕。《数字金融反欺诈白皮书》仅仅是开始，希望它能够起到抛砖引玉之效，激发各方对此的关注、思考，为促进数字金融行业的健康发展、维护数字金融行业的秩序贡献绵薄之力！

中国人民大学金融科技与互联网安全研究中心主任杨东

5序言3

技术的革新下，金融的新模式、新业态不断涌现，对公共安全和社会治理也提出了诸多新问题，如何有效管控这些新模式、新业态，使其朝着正确的轨道稳步前进，是摆在行业和监管部门面前的共同难题。近年来，数字金融行业呈现出涵盖广、多元化、增长迅速的特点。与此同时，也有部分欺诈者利用技术、监管和公众意识等方面的不完善，演绎着千变万化、层出不穷的欺诈行为。令人欣慰的是，这也在一定程度上刺激了反欺诈技术的升级、改造和优化，更促使监管部门更多关注数字金融行业的合规发展。

《数字金融反欺诈白皮书》首先总结了数字金融欺诈的主要特点，在此基础上梳理了反欺诈技术的详细分类，然后基于选取的8个金融场景，认真分析每一场景下惯用的欺诈手法、反欺诈的先进技术以及反欺诈效果的可移植性，力求深入简出、剥丝抽茧地解析反欺诈技术如何精准识别打击欺诈行为的复杂过程。特别值得一提的是，为使读者更清晰快速地了解每个案例，本报告采用形象直观的可视化图形，真实还原了看似繁琐的欺诈手法，勾勒出反欺诈技术进行打击的逻辑路线图。

从数字金融反欺诈的实践经验来看，反欺诈之战不是某一种技术或方法的单打独斗，而是一场集数据、技术和机制于一体的综合防御战。其中，数据是反欺诈体系建设的核心和前提，技术是打赢反欺诈之战的重要支撑，机制是优化反欺诈效果、提升反欺诈能力的重要保障。“路漫漫其修远兮，吾将上下而求索”。只有立净化行业之志，举全行业之力，在反欺诈体系建立上加强合作、信息共享、共防共御，良性健康的数字金融生态圈才能逐步形成。

中国刑事警察学院网络犯罪侦查系主任秦玉海

人工智能系列白皮书-智慧农业

中国人工智能系列白皮书 -- 智慧农业

目录第1 章智慧农业发展背景 (1) 1.1 人工智能在农业领域中的应用历程 (1) 1.2 智慧农业及其发展趋势 (8) 第2 章农业智能分析 (12) 2.1 农业数据挖掘 (12) 2.1.1 农业数据挖掘特点 (12) 2.1.2 农业网络数据挖掘 (13) 2.1.3 农业数据挖掘应用 (16) 2.2 农业数据语义分析 (18) 2.2.1 农业数据语义模型 (18) 2.2.2 农业数据存储模型 (19) 2.2.3 农业数据知识发现 (20) 2.2.4 农业数据语义检索 (21) 2.2.5 分布式农业知识协同构建 (21) 2.3 农业病虫害图像识别 (22) 2.3.1 基于机器视觉的农业病虫害自动监测识别系统框架 23 2.3.2 农业病虫害图像采集方法 (24) 2.3.3 农业病虫害图像预处理 (26) 2.3.4 农业病虫害特征提取与识别模型构建 (27) 2.3.5 农业病虫害模式识别 (28) 2.4 动物行为分析 (29) 2.5 农产品无损检测 (34) 2.5.1 农产品的无损检测 (35) 2.5.2 农产品无损检测主要方法与基本原理 (36) 2.5.3 无损检测在农产品质量检测中的应用 (38)

2.5.4 问题与展望 (38) 第3 章典型农业专家系统与决策支持 (40) 3.1 作物生产决策系统 (40) 3.1.1 作物生产决策支持系统的概念与功能 (40) 3.1.2 作物决策支持系统的发展 (41) 3.1.3 我国作物决策支持系统发展状况 (41) 3.1.4 作物生产决策支持系统的发展趋势 (42) 3.1.5 作物生产决策支持系统的存在问题 (43) 3.1.6 作物生产决策支持系统的发展措施建议错误!未定义书签。 3.2 作物病害诊断专家系统 (45) 3.2.1 病害诊断知识表达 (45) 3.2.2 作物病害描述模糊处理 (47) 3.2.3 病害诊断知识推理 (47) 3.2.4 基于图像识别的作物病害诊断 (48) 3.3 水产养殖管理专家系统 (49) 3.3.1 问题与挑战 (49) 3.3.2 主要进展 (51) 3.3.3 发展趋势 ........ .... ..... .. (52) 3.4 动物健康养殖管理专家系统 (54) 3.4.1 妊娠母猪电子饲喂站 (54) 3.4.2 哺乳母猪精准饲喂系统 (56) 3.4.3 个体奶牛精准饲喂系统 (57) 3.4.4 畜禽养殖环境监测系统 (58) 3.5 多民族语言农业生产管理专家系统 (59) 3.5.1多民族语言智慧农业即时翻译系统结构 (59) 3.5.2多民族语言农业智能信息处理系统机器翻译流程 .. 60 3.5.3多民族语言农业信息平台中的翻译关键技术 (62)

2018年中国人工智能产业白皮书

２０１８年中国人工智能产业白皮书

册子 / 报告标题|章节标题目录主要发现 1第一章人工智能行业综述篇 3 1.1 全球及中国发展概况 4 1.1.1 全球市场 4 1.1.2 发展驱动力 6 1.1.3 面临挑战 11 1.2 人工智能产业链 12 1.2.1 基础层 13 1.2.2 技术层 14 1.2.3 应用层 16 1.3 中国人工智能领域投资 17 1.3.1 投资热点及趋势 17 1.3.2 进击的巨头 19第二章人工智能商业化应用篇 21 2.1 数字政府：政策利好加速政府智能化变革 23 2.2 金融：人工智能变革金融经营全过程 26 2.3 汽车：人工智能正在重塑汽车产业生态 30 2.4 医疗：人工智能加速医疗技术革新 34 2.5 零售：人工智能应用从个别走向聚合 38 2.6 制造业：人工智能应用潜力被低估 44第三章中国主要人工智能产业发展区域及定位 47 3.1 中国人工智能企业分布重点城市 48 3.2 人工智能产业园 57 3.3 杭州未来科技城人工智能发展建议 59 02

册子 / 报告标题|章节标题主要发现 1. 中国人工智能产业发展迅速，但整体实力仍落后于美国。中国已成为人工智能发展最迅速的国家之一，2018年中国人工智能市场规模有望超过300亿元人民币。人工智能企业数量超过1000家，位列全球第二。本次人工智能浪潮以从实验室走向商业化为特征，其发展驱动力主要来自计算力的显著提升、多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。与此同时，中国处于人工智能发展初期，基础研究、芯片、人才方面的多项关键指标与美国差距较大。 2. 中国企业价值链布局侧重技术层和应用层，对需要长周期的基础层关注度较小。人工智能产业链分为基础层（芯片、算法框架）、技术层（计算机视觉、自然语义理解、语音识别、机器学习）和应用层（垂直行业/精确场景）。中国企业布局比较偏好技术相对成熟、应用场景清晰的领域，对基础层关注度较小。瞄准AI专用芯片或将为中国企业另辟蹊径。 3. 科技巨头生态链博弈正在展开，创业企业则积极发力垂直行业解决方案，深耕巨头的数据洼地，打造护城河。科技巨头构建生态链，已经占据基础设施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡，更多的创业企业将发力深耕巨头的数据洼地（金融、政府事务、医疗、交通、制造业等），切入行业痛点，提供解决方案，探索商业模式。 4. 政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道，早期进入的企业逐步建立行业壁垒，未来需要解决数据割裂问题以获得长足发展。各地政府的工作内容及目标有所差异，因而企业提供的解决方案并非是完全标准化的，需要根据实际情况进行定制化服务。由于政府一般对于合作企业要求较高，行业进入门槛提高，强者恒强趋势明显。 5. 人工智能在金融领域的应用最为深入，应用场景逐步由以交易安全为主向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工智能在金融行业的应用，改变了金融服务行业的规则，提升金融机构商业效能，在向长尾客户提供定制化产品的同时降低金融风险。 6. 医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康，医疗又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产品商业化过程中如何制定医疗和数据监管标准。 03

《2016物流金融白皮书》案例分享之三：易流科技用大数据构建物流金融新生态(2017522一般)

《2016物流金融白皮书》案例分享之三：易流科技用大数据构建物流金融新生态（2017522一般）万联导读发改委近期颁布的《“互联网+”高效物流实施意见》中明确提出要“推进物流与金融等产业互动融合和协同发展、引导银行业金融机构加大对物流企业的信贷支持力度…”可以说物流与金融的融合创新已经成为物流行业最为关注的焦点之一。为了推动国内物流金融管理水平提升，树立行业发展标杆，万联供应链金融研究院策划编撰《2016中国物流金融创新发展与案例研究白皮书》，白皮书内容覆盖国内物流金融发展现状及最新趋势，并收录了郑明物流、中仓单、金润保理、易流科技、物润船联、亿海蓝、欧浦钢网七家企业案例，并将在2016年9月23日由万联网主办的2016年中国物流金融创新高峰论坛上正式发布。从9月11日开始我们将连载本白皮书的企业案例节选。今天的案例主角是易流科技。流科技股份有限公司（简称“易流科技”）是国内领先的运输产业链互联网平台企业、国家级高新技术企业、深圳市重点物流企业。公司已于2016年2月在全国中小企业股份转让系统挂牌，证券代码：835****55。易流科技以北斗/GPS、GIS、移动互联网、物联网为技术支撑，以运输全链条信息可视化、透明化为切入点，面向物流产业链的货主企业和物流企业提供物流透明管理平台服务

和运单流转的SaaS平台服务，以提升物流运输产业链的整体运行效率。公司主要业务为易流云、e-TMS平台服务及其所涉及的主机和配件等硬件设备销售、软件销售、平台维护服务。 2012年，易流科技与中科院深圳先进院成立了“物流信息服务创新技术联合实验室”，确立了产学研合作关系，以充分利用中科院深圳先进院数字所云计算研究中心在云计算、海量数据处理等方面的技术优势和资源优势，同时，2015年易流开始与西安交通大学合作，成为物流大数据研究实验室，从事物流大数据技术的研究开发，经过多年的合作，已经取得初步成果。破解物流企业融资难题某物流企业是某制造企业集团物流运输部门发展而来，现在独立运营，但有主要承接集团企业运输业务，旗下所有车辆全部外协，只有在有业务时，企业才通知司机。该企业当前面临的最大问题是资金问题。自从独立运营后，企业承接集团运输业务时，多有3个月的账期，但是，其与下游具体承运的司机却是现付，至少也是付一半，这就造成企业巨大的资金负担。该企业也试图从银行贷款，但都会因为自己无法提供实物等价抵押而失败。类似该企业情况的还有很多，中国物流行业整体呈现“小、散、弱、多”的特点，中小微企业占据市场主导，行业企业长期缺

工业大数据白皮书2017版

一张图读懂工业大数据 1. 工业大数据工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。工业大数据的主要来源有三类：第一类是生产经营相关业务数据。主要来自传统企业信息化范围，被收集存储在企业信息系统内部。此类数据是工业领域传统的数据资产，正在逐步扩大范围。第二类是设备物联数据。主要指工业生产设备和目标产品在物联网运行模式下，实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。此类数据是工业大数据新的、增长最快的来源。第三类是外部数据。指与工业企业生产活动和产品相关的企业外部互联网来源数据。 2. 工业大数据的地位 2.1 在智能制造标准体系中的定位工业大数据位于智能制造标准体系结构图的关键技术标准的左侧，属于智能制造标准体系五大关键技术之一。

2.2与大数据技术的关系工业领域的数据累积到一定量级，超出了传统技术的处理能力，就需要借助大数据技术、方法来提升处理能力和效率，大数据技术为工业大数据提供了技术和管理的支撑。首先，工业大数据可以借鉴大数据的分析流程及技术，实现工业数据采集、处理、存储、分析、可视化。其次，工业制造过程中需要高质量的工业大数据，可以借鉴大数据的治理机制对工业数据资产进行有效治理。 2.3与工业软件和工业云的关系工业软件承载着工业大数据采集和处理的任务，是工业数据的重要产生来源，工业软件支撑实现工业大数据的系统集成和信息贯通。工业大数据技术与工业软件结合，加强了工业软件分析与计算能力，提升场景可视化程度，实现对用户行为和市场需求的预测和判断。工业大数据与工业云结合，可实现物理设备与虚拟网络融合的数据采集、传输、协同处理和应用集成，运用数据分析方法，结合领域知识，形成包括个性化推荐、设备健康管理、物品

消费金融行业深度研究报告

消费金融行业深度研究报告 1 消费金融：价值与成长属性兼具的优质赛道 1.1 消费金融的概念 1.1.1 消费金融的基本定义为消费者购物提供资金融通，称作消费金融。狭义的消费金融主要是指包括旅游、医疗、家电、餐饮等消费品短期贷款，广义的消费金融则包括住房按揭贷款、车贷以及经营性贷款等。消费信贷一般无需抵押担保，具有单笔授信额度低，期限相对短小灵活，审批速度快的特点。本文所述消费金融是狭义的消费金融，即消费信贷，消费贷是指银行或非银金融机构以及其他资方采取信用、抵押、质押担保或保证方式，以商品型货币形式向个人消费者提供的信用。按接受贷款对象的不同，消费信贷又分为买方信贷和卖方信贷。买方信贷是对购买消费品的消费者发放的贷款，卖方信贷是以分期付款单证作抵押，对销售消费品的企业发放的贷款。消费金融的本质上是借贷关系的延伸，随着互联网的使用场景不断拓展，消费信贷也不断向着更为广泛的群体覆盖。短期的消费信贷是将用户的财富积累和消费支出在时空上进行调配。为当期无法覆盖的居民消费提供资金支持。目前主流的消费金融参与机构有商业银行、持牌消费金融公司、互联网消费金融平台等，其中互联网消费金融包括网络小贷、P2P、电商分期等，而以这些机构为主的国内消费

金融模式大致分为三类：1）现金贷模式；2）消费贷模式；3）助贷模式。其中，现金贷在严格意义上不属于消费信贷的范围，但在实际业务中，消费场景也是现金贷的重要流向，所以本文暂时将其纳入研究范围之内。 1.1.2 消费金融的业务流程消费信贷的业务流程可归纳为贷前、贷中和贷后三大环节。从贷前风险准入、贷中授信审批、贷中放款、贷后状态跟踪到贷后催收。1）贷前：消费金融企业通过自有渠道获客或借助第三方平台导流等方式拉新，并审核客户的身份信息和贷款资质，经由征信中心或平台数据建立风控模型和定价模型，划分客户风险等级。2）贷中：消费金融企业将资金端和资产端进行合理匹配，利用自有资金直接放款或撮合客户信贷需求与其他资金方，收取贷款利息或手续费等。3）贷后：消费金融平台根据消费者使用的信贷产品，分别对客户进行还款提醒，定期收取本金或利息，对逾期客户进行催收并收取逾期费用。此外，消费金融平台还需要对客户进行回访，不断对风控模型进行调整和完善，优化审核和风险定价模型，以提高平台综合运营能力。在贷前阶段，首要步骤是身份核实，即通常以用户证照信息为基础，并借助到生物识别以及OCR技术实现身份证识别和银行卡绑定以判断借款人身份。同时，身份核实也是反欺诈的核心，通常情况下，恶意欺诈是用户借用、伪造他人

金融科技关键技术发展与演进白皮书

金融科技关键技术发展与演进分析白皮书

目录一、金融科技关键技术发展与演进 (27) （一）云原生技术发展迅速，推动金融IT 基础能力转型 (27) （二）金融中台建设成为共识，呈现自动化和智能化趋势 (29) （三）5G 建设提速，新基建带来金融业转型新机遇 (32) （四）智能化技术融合演进，加速金融业务全流程的智能化转型 (35) （五）区块链技术快速发展，金融区块链平台成为热点并在多领域应用 . 37 （六）聚焦数据安全应用，隐私计算为金融数据治理提供新思路 (40) 二、金融科技产业发展趋势展望 (62) （一）金融科技市场主体类型不断丰富，多元融合趋势将更加凸显 (62) （二）技术与业务深度融合，底层技术与自主创新能力得到更多重视 (63) （三）金融科技应用深化，金融“新基建”加速转型 (64) （四）监管政策日趋完善，风险管控能力将不断强化 (65) （五）更加关注实践探索，试点先行成为重要策略 (66) （六）更加注重提升金融可获得性，强化服务实体经济能力 (67)

一、金融科技关键技术发展与演进（一）云原生技术发展迅速，推动金融 IT 基础能力转型 1.容器、微服务等云原生技术突破创新，行业应用趋势加快云原生技术包含一系列云计算技术体系和管理方法。包括实现应用云原生化的方法论，也包含了以容器技术、微服务、DevOps 等为代表的落地实践关键技术。容器是一种轻量级的虚拟化技术，可提供高性能可伸缩的容器应用管理服务，打造云端最佳容器运行环境。微服务是指将大型复杂软件应用拆分成多个简单应用，每个简单应用描述着一个业务的小部分且可被独立部署，实现频繁更新而不会对最终用户产生任何影响。DevOps 是一组过程、方法与系统的统称，用于促进开发（应用程序/软件工程）、技术运营和质量保障（QA）部门之间的沟通、协作与整合。云原生技术在金融等多行业应用趋势不断加速。从技术特征来看，云原生技术架构具备极致的弹性能力，服务自治和故障自愈能力，大规模可复制能力，可实现跨区域、跨平台甚至跨服务商的规模化复制部署能力。从应用价值来看，云原生技术具备应用敏捷开发、提升交付速度、降低试错成本、高效相应需求、增强用户体验等优势，已在金融、生物医疗、智慧交通、工业互联网、物流等领域得到应用。

反欺诈、审批风险管理

授信产品风险管理和反欺诈管理 1 课程背景近年来金融犯罪案件层出不穷，其中有关消费金融业务的房贷、信贷、卡务及车贷等诈骗案件，严重影响金融资产结构，每当诈骗案件发生之后，非但受害银行承受重大损失，亦严重影响国家金融秩序的稳定。为维护银行资产的安全及金融安定，提升授信质量，动悉诈骗手法并谋求防制之道，希望藉由诈骗案件个案分析了解其陷阱及诈骗过程，提供各金融机构或对金融业务有兴趣之先进作为参考，期以早期发现并遏止类似诈骗案件之发生。思考近几年来为何授信诈骗案件一而再的发生？最主要的原因来自于激烈的银行竞争环境，在竞争的环境之下，各银行为求立于不败之地，每当看到市场上新种金融商品的出现便急思快速效仿，甚至盲目地推动，对隐藏的风险未加以评估，加上基本配套措施不完备，致令诈骗集团或有心者有可趁之机，根据银行授信审查漏洞之所在，加以利用，也因此授信诈骗案件乃一再地上演。从行为学的角度来看，由于诈骗仅限于具有思考能力的人类行为，因为在其他生物中，我们几乎从未发现存在有类似欺骗同类的行为。就因为诈骗是非常传统又现代的人类行为，实在值得好好研究它。因此以诈骗相关之理论与诈骗常见之手法类型作一分析整理，探讨诈骗行为模式，依据消费金融产品的特性及营销方式，并举出一些消费金融个案被诈骗的过程，期许能给金融相关机构及金融先进朋友们作为防制方法与对策的参考。

2 课程大纲

信贷审查审批存在的问题及对策研究 1课程目标 ?了解信贷风险管理架构 ?梳理流程，从流程的各个环节分析审查审批存在的问题并找到解决方法技巧 ?规范化信贷审查的流程及步骤 2 课程大纲

h) 核对文件（合法性、真实性、有效性、一致性、全面性） i) 要求客户提供保证人和证明人的姓名和联系方式；通过调查保证人和证明人，了解保证人的真实担保意愿，对客户所提供的信息进行交叉验证 4. 信贷分析 A. 通过量化和非量化信息分析借款申请人企业的经营状况及申请人的管理能力 a) 分析申请人企业现金流，判断其项目的盈利能力和偿债能力 b) 通过量化和非量化的信息分析借款申请人家庭状况 c) 分析征信报告、调查走访所了解的借款申请人及其他相关人员信用状况，判断借款申请人还款意愿 d) 分析申请金额及其用途与实际还款能力和意愿的内在联系 e) 分析担保人的担保能力及担保意愿，判断第二还款来源的稳定性 f) 分析该笔贷款存在的主要风险点并提出解决风险的主要措施 B. 信用分析的5C 法： a) 个人品质（Character） b) 能力（Capacity） c) 经营条件（Condition） d) 资本实力（Capital） e) 抵押担保（Collateral） 5. 贷款审查、审批 A. 合规性审查 B. 完整性审查 a) 审查所需资料是否齐全（查阅信贷制度） b) 审查所需签名是否齐全 c) 其他 6. 贷款发放 a) 落实审贷会条件 b) 核对身份 c) 签订合同及借据 d) 贷款回访

2018年中国人工智能创新应用白皮书

２０１８年中国人工智能创新应用白皮书

报告背景介绍在全球人工智能发展的浪潮下，市场对人工智能的投入与期望空前巨大，正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离，成为了各行业企业的重要任务之一。此份独立报告为各行业企业在人工智能方向上的布局与行动举措提供了参考信息与建议，同时也为人工智能企业在具体行业发展方向的选择上提供了参考。我们的讨论将由四个部分组成，第一部分为人工智能发展背景介绍，对人工智能的概念、发展历史、人工智能企业目前发展状况、人工智能未来的技术与应用走向进行讨论；第二部分为人工智能的商业应用情况，将讨论人工智能能够为各行业带来的具体价值，评估各个行业目前应用条件的成熟程度；第三部分梳理总结了人工智能在20个行业的80个具体应用场景，并详细介绍典型的行业应用场景与案例；第四部分将为企业当下如何借力人工智能给出行动举措方面的建议。此份独立报告整合了中国人工智能学会与罗兰贝格在数字化领域积累的项目经验与素材，以及对人工智能领域初创企业管理人、各行业内企业经理人、人工智能研发人员的访谈等多方信息数据源，旨在提供具有落地意义的参考与建议，推动人工智能的应用与发展。

执行总结今年7月，国家发布了新一代人工智能发展规划，将中国人工智能产业的发展推向了新高度。人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术，在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下，本次人工智能的发展已突破了商业领域对其应用效果的预测，受到风险投资基金的热烈追捧，人工智能技术的应用场景也在各个行业逐渐明朗，开始带来降本增益的实际商业价值。在巨大的产业需求规模与强有力的金融投资支持下，中国在全球新一代人工智能中发展态势良好，北京、深圳和上海在人工智能企业与人才积累上名列全球城市前茅，中国人工智能产业的发展进入了技术逐渐渗透到各行业产生实际价值的阶段。根据大量行业研究，我们发现，除了互联网行业以外，汽车、消费品与零售、金融以及医疗行业等数据基础比较完善、数据资源比较丰富的行业具有最为成熟的发展基础与最大的市场应用潜力。根据我们的估算，在中国至2030年，在金融行业，预计人工智能将带来约6000亿元人民币的降本增益效益。在汽车行业，人工智能在自动驾驶等技术上的突破将带来约5000亿元人民币的价值增益。在医疗行业，预计人工智能可以带来约4000亿元人民币的降本价值。在零售行业，预计人工智能技术将带来约4200亿人民币的降本与增益价值。我们在价值链的研发、制造、营销、服务以及物流等环节上梳理并描述了这些典型行业内人工智能的主要应用场景。就中国企业应如何把握机遇，抓住战略机会，我们提出了一系列的行动建议。企业在制定人工智能发展计划时，首先应当明确在当前业务场景下的应用机会点，这些机会点应当能够带来足够的商业价值，并且企业自身也具备应用这些机会点的条件。企业需要通过研究外部市场发展情况，了解目前行业中其他企业在此技术方向上的布局，评估人工智能技在价值链各环节上的商业应用案例。其次，企业需要评估在组织、数据与技术、运用与执行能力上具备的核心竞争力，认识到在哪些方面存在不足，并针对不足为相关部门提供包括组织、流程、KPI等各方面的支持与引导。最后，结合对企业内部核心竞争力打造计划与应用实施计划，企业需要制定明确的发展方向与发展程度期望，设置具有时间节点的发展蓝图，并打造相关的配套能力支持计划执行。新一代人工智能技术的应用将给各行业带来众多新的可能性，甚至有可能颠覆现有的行业格局并可能重塑行业，我们期待看到中国的企业在新一次人工智能浪潮中抢占先机。

消费金融模式及未来发展方向

消费金融模式及未来发展方向 2015年花费金融异军突起。除2009年以来试点的10家消费金融公司，电商平台阿里巴巴、京东、苏宁纷纷高调进入消费金融领域，很多P2P平台也火力十足，争相推出各自的消费金融产品，互联网金融的战场已从支付、理财等领域，引向线上线下多元化的消费场景。2014-2019年中国消费信贷规模仍然将保持19.5%的复合增长率，估计2019年将到达37.4万亿，是2010年的5倍。庞大的市场潜力，毫无悬念地令消费金融成为将来金融机构的必争之地。从现有消费金融生态看，当前市面上消费金融主要有两类：一、依托电商起家的新金融机构依托电商起家的新金融机构，目前他们正在成为消费金融的新力量，主要分为三大派系：一大派系是京东金融旗下的白条派系；一大派系是蚂蚁金服的蚂蚁花呗派系；还有一大派系则是依托垂直电商和O2O起家的分期消费平台。 1、京东金融旗下白条派系 “白条”在这两年发展速度较为迅猛，已经不仅仅局限于京东商城的赊账消费，从去年上半年开始还拓展到到了租房、旅游、装修、教育等众多消费领域，并逐渐渗透到更多的线下场景。 2015年9月，“白条”又联合银行推出了联名信用卡产品“小白卡”，今年又将“小白卡”的消费场景从境内拓展到境外，与光大银行合作增加了Visa版“小白卡”。 2015年底，京东金融又推出了积分资产管理产品“钢镚”，并对接了多家银行和消费商户的消费积分，1钢镚=1元钱，在京东商城或合作商户消费直接抵现。今年3月，依托“白条”的大数据模型和信用评估体系，京东金融又给有现金需求的”白条“用户提供现金借贷产品“金条”等，吹响了消费金融全市场布局的冲锋号。从用户的角度来看，“白条”通过借助京东商城、京东到家等自有的电商体系，本身就拥有了庞大的用户基础，这是其他很多消费金融平台所无法比拟的。有了这些用户基础和行为数据，他们想要渗透到消费金融领域就比较轻松简单。从风控的角度来看，相比很多消费金融平台而言，“白条”在信用连接、风险预警、反欺诈等领域具有更强的风控实力，通过风险监控系统对每次账户行为进行后台安全扫描，实时计算，识别恶意行为及高风险订单，并和商城配送体系打通，对高风险订单实现配送最后一公里拦截，截至去年末，“白条”的风控系统累计拦截疑似欺诈申请数十万起，拦截高风险订单数亿元。从某种程度上这既保证了京东金融使用消费金融产品的用户资金安全，也保证了

消费金融-常用逾期数据指标解析

1、逾期天数自约定还款日起的未还款天数。一般表示逾期D ，D1 表示逾期天1，D1+，表示逾期天数大于等于1；默认+表示大于等于。 2、逾期期数以分期类为例，M1 表示逾期1期M1+表示逾期大于等于1期。 3、入催率入催率就比较简单了。它指的是在某一个还款日，客户从M0变成M1的比例。比如说，今天，有N个M0客户到了还款日，里面有M个客户按时还款了，那么今天的入催率就是（N-M）/N。它与下面的FBD是有区别的。 4、FPD FPD是指首期逾期率，是说在某一个还款日，仅第一期到期的客户中有多少没有按时还款。与入催率的差别在于，入催率包含了第一期、第二期、第三期等等所有到期的M0。FPD一般用来做反欺诈，因为欺诈用户他第一期是根本不会还款的。 5、迁徙率指标通俗的迁徙率定义为：某一贷款的状态变为另一种状态的一种变化过程。其中0-M1 表示当期内有非逾期变成逾期1期的占比数M1-M2 以此类推。一般来说，考核逾期催收采用迁徙率也是一种方式 6、不良率指标不良率最主要是先定义什么时坏账，不同的公司定义不良有很大差距的，例如现金贷大多将M3+ 或者M1+ 就算账为不良（PDL 借款周期短7 、14 、30 天居多，所以不良定义），而一般的消费类或分期多以M6+ 为不良，在我的印象中某银行的不良是Y3+(3 年以上不还款) 。

7、vintage vintage这个词源于葡萄酒业，意思是葡萄酒的酿造年份。我们在生活中经常会进行各种各样的比较，但是比较有个前提，就是比较的事物应该是位于同一层面上的。如果你拿四年级的学生和1年级的学生比较身高，或者拿成年人和未成年人比较体重那是毫无意义的。同理，我们在比较放贷质量的时候，也要按账龄（month of book，MOB ）的长短同步对比，从而了解同一产品不同时期放款的资产质量情况。 Vintage分析方法能很好的解决时滞性问题，其核心思想是对不同时期的授信的资产进行风别跟踪，按照账龄的长短进行同步对比，从而了解不同时期贷款的风险情况，是一个所谓的竖切的概念。而迁移率模型能够很好的提示贷款整个周期的演变情况，是一个所谓衡切的概念。

(完整word版)金融催收行业发展白皮书20170628-Sherry1

金融催收行业发展白皮书前言第一章金融催收行业发展概述 1、金融催收行业的定义 2、银行业金融机构债务催收现状 3、第三方金融催收市场需求４、国际金融催收行业发展历程５、中国金融催收行业发展历程第二章金融催收行业发展现状 1、金融催收行业的市场现状 1.1我国不良资产规模及构成 1.2银行业金融机构债务催收现状 1.3第三方金融催收市场需求 1.4第三方金融催收市场规模及预测 2、金融催收公司发展现状 2.1金融催收产业链 2.2金融催收公司主要类型 2.3金融催收公司未来走向 2.4金融催收行业公司概况第三章金融催收行业发展前景与趋势

1、更多行业联盟、金融催收平台将大量涌现 2、政府监管进一步加强，目前已将金融催收业务列入企业经营范围 3、金融催收公司将进一步规范行业的作业流程 4、金融催收行业将更加开放，各机构、行业间的数据链有望共享和打通 5、接入线上运营的金融催收公司将爆发出强大的竞争力 6、金融催收行业促进国内信用体系建设第四章金融催收行业的特点及作业流程 1、金融催收行业不灰色不暴力 2、金融催收行业特点 3、金融催收作业流程 3.1金融催收的流程 3.2四种金融催收作业模式分析第五章金融催收行业管理体制及政策、法律支持 1、国外和我国港台地区第三方债务催收的监管与自律 2、我国大陆金融催收行业主要法律法规及产业政策第六章当前我国金融催收行业的主要问题 1、行业进入壁垒 1.1客户认知度壁垒 1.2技术壁垒 2、行业风险 2.1行业政策风险

2.2质量控制和合规运营风险 2.3人力成本增加导致的成本上升风险 2.4数据信息安全风险 3、行业核心问题 3.1许多催收公司不符合行业一般要求 3.2符合作业规范的从业人员较少 3.3由于违规催收导致的社会矛盾依然普遍存在 3.4债务催收行业“匿名”存在 3.5我国关于催收行业的法律法规依然有待完善第七章关于我国催收行业未来发展的建议及操作方法 1、明确债务催收行业行政主管机构 2、推动出台债务催收行业法律法规，促进该行业的阳光化、规范化 3、研究组建债务催收行业自律组织 4、出台债务催收行业自律公约 5、关注债务催收行业高新科技催收手段的发展和规范 6、研究出台个人破产或个人债务清理制度 7、优化信用环境，严厉打击逃废债行为

2019全球人工智能发展白皮书

全球人工智能发展白皮书（2019年度）

全球人工智能发展白皮书 | 四、人工智能重塑各行业一、AI创新融合新趋势4 1.1人工智能正全方位商业化4 1.2AI全面进入机器学习时代5 1.3市场对投资回归理性8 1.4城市逐渐成为AI创新融合应用主战场13 1.5AI支持体系不断发力21 1.6顶层政策倾斜力度持续增加23 1.7全球AI市场超6万亿美元29 1.8京津冀、长三角、珠三角AI企业云集31 二、人工智能技术发展腾飞40 2.1人工智能关键技术日趋成熟40 2.2人工智能开放平台建设稳步推进42 2.3“人机大战”谁更能更胜一筹？45 三、中国在全球AI地位52 3.1中国拥有更为庞大的数据规模以及更丰富数据使用环境53 3.2中国是全球芯片需求量最大的市场，但高端芯片依赖进口54 3.3中国机器人企业快速成长核心零部件技术国产化加速54 3.4美国人工智能底层技术实力更为雄厚，中国则在语音识别技术上更优55 3.5中国在AI应用上呈现追击态势55 四、人工智能重塑各行业58 4.1金融：人工智能提升金融企业商业效能并变革企业内部经营60 4.2教育：人工智能技术应用覆盖教学全流程65 4.3数字政务：政策利好加速政府智能化变革70 4.4医疗：人工智能应用日趋成熟71 4.5无人驾驶：主导汽车产业革新75 4.6零售：人工智能驱动行业走向聚合79 4.7制造业：智能制造应用潜力巨大82 4.8智慧城市：人工智能塑造城市基础设施创新系统86

全球人工智能发展白皮书 | 主要发现主要发现： 1

全球人工智能发展白皮书 | 主要发现 2

2019年H3C大数据产品技术白皮书

H3C大数据产品技术白皮书杭州华三通信技术有限公司 2020年7月

目录 1 H3C大数据产品介绍................................................................... 错误!未定义书签。产品简介........................................................................ 错误!未定义书签。产品架构........................................................................ 错误!未定义书签。数据处理 ............................................................................ 错误!未定义书签。数据分层 ............................................................................ 错误!未定义书签。产品技术特点............................................................... 错误!未定义书签。先进的混合计算架构........................................................ 错误!未定义书签。高性价比的分布式集群................................................... 错误!未定义书签。云化ETL ................................................................................ 错误!未定义书签。数据分层和分级存储........................................................ 错误!未定义书签。数据分析挖掘...................................................................... 错误!未定义书签。数据服务接口...................................................................... 错误!未定义书签。可视化运维管理................................................................. 错误!未定义书签。产品功能简介............................................................... 错误!未定义书签。管理平面功能：................................................................. 错误!未定义书签。业务平面功能：................................................................. 错误!未定义书签。 2 DataEngine HDP核心技术......................................................... 错误!未定义书签。 3 DataEngine MPP Cluster核心技术 ......................................... 错误!未定义书签。 MPP + Shared Nothing架构 .................................. 错误!未定义书签。核心组件........................................................................ 错误!未定义书签。高可用............................................................................. 错误!未定义书签。高性能扩展能力 .......................................................... 错误!未定义书签。高性能数据加载 .......................................................... 错误!未定义书签。 OLAP函数..................................................................... 错误!未定义书签。行列混合存储............................................................... 错误!未定义书签。

报告发布中国电子学会发布新一代人工智能发展白皮书(2017)

报告发布中国电子学会发布新一代人工智能发展白皮书 (2017) 指导单位、专家顾问及编写人员顾问潘云鹤中国工程院院士指导单位工业和信息化部信息化和软件服务业司指导委员会谢少锋工信部信软司司长李冠宇工信部信软司副司长徐晓兰中国电子学会副理事长兼秘书长张宏图中国电子学会总部党委书记兼副秘书长商超工信部信软司软件处处长傅永宝工信部信软司软件处调研员专家委员会（排名不分先后，按姓氏笔画排序）王士进科大讯飞研究院副院长韦青微软中国公司首席技术官宋波国安瑞（北京）科技有限公司总经理刘志坚京东金融总法律顾问吴甘沙驭势科技联合创始人兼CEO 季向阳清华大学自动化系教授陈丽娟阿里巴巴人工智能实验室负责人梁家恩云知声信息技术有限公司董事长兼CTO 崔岩中德人工智能研究院院长蔡雄山腾讯研究院法律研究中心副主任编写单位中国电子学会编写人员李颋周岷峰马良

凌霞李岩张雅妮许华磊张婵张力陈濛萌樊江洋朱毅李俊平阎德利谢中业陈岩报告链接:https://https://www.360docs.net/doc/8d9716203.html,/s/1oAn8flo 密码:3gme编制概要（一）编制背景自1956年概念得以确立以来，人工智能发展至今已逾60年，随着所处信息环境和数据基础的深刻变革，开始迈进新一轮发展阶段，呈现出大数据、跨媒体、群体性、自主化、人机融合的发展新特征，从学术牵引式发展迅速转变为需求牵引式发展，相比历史上的任何时刻，都要更加接近于人类智能，既能为进一步掌握城市发展、生态保护、经济管理、金融风险等宏观系统提供指导，也能为设计制造、健康医疗、交通管理、能源节约等微观领域提供解决方案。我国正值工业化、城镇化、信息化、农业现代化的攻坚阶段，迫切需要加快推动人工智能在国民经济社会各行业、各领域的创新应用，促进产业提质增效，改善人民生活水平，切实解决经济运行的重大结构性失衡。针对于此，有必要研究编制新一代人工智能发展白皮书，明确人工智能在新时期、新形势下的技术框架、关键环节、应用前景，为推动人工智能关键技术进步和产业化应用推广提供措施建议，进一步推动我国智能相关的

2018年中国金融科技白皮书

2018年中国金融科技白皮书2018 融中研究2018.9.27

由于数字货币的发展与兴盛及其带来一些负面事件，2018年伊始，我国加强了金融科技领域的宏观审慎监管力度。首先金融科技行业核心在于科技是否理解金融和金融是否需要科技。金融科技在初期的流量获取方面为金融行业提供助力之后，今年开始在基础设施层面和初级应用对现有金融业务进行有序改造。同时，部分发展程度较高的金融科技应用领域已经出现了传统人工服务被金融科技产品取代的现象。而应用场景化、数据垄断化等当下金融科技发展阶段的特点也对监管层提出了更高的要求。金融科技 FINTECH 行业背景-强监管下的金融科技生态

金融科技（Fintech=Finance+Technology ）是“金融” 和“科技”的高度融合，其外延则囊括了大数据、区块链、云计算、人工智能、智能投顾-、支付清算、汽车金融等等诸多领域。金融科技FINTECH 1 供应链金融汽车金融人工智能区块链 2 3 4 什么是金融科技

10 20 3040506070800 1002003004005006007002014 2015 2016 20172018e 近年人工智能领域融资数量及融资金额融资事件数融资金额（亿） 2015到2017这三年，人工智能企业的质量以及获投数量都处于持续上升的趋势，在金额上，这个领域今年上半年金额达到了去年金额的60%左右，融资金额已经达到了538亿人民币，是2013年同期的近75倍，验证了AI 领域极强的资本获取能力。数据来源：IT 桔子，融中研究整理

国际根据统计公司Statista 的预测，2017年美国智能投顾管理资产规模到2021年间，年复合增长率29.3%。中国随着我国居民财富规模不断增长、资本市场持续深化广化、人工智能技术进步等影响，我国金融科技在“互联网＋”政策推动下中前景向好。未来我们相信，未来十年将会是人工智能投资领域爆发增长的十年，越来越多的中小投资者会使用类似的服务进行投资研究和决策，人工智能金融科技市场广阔、远景美好。 2208.02 5095.55 1000 2000 3000 4000500060002017 2021 美国智能投顾管理资产规模单位：亿美元 2185.973150053600 155000 50000 100000 150000200000 2013 2017 20182020 中国互联网理财规模单位：亿人民币数据来源：IT 桔子，融中研究整理数据来源：IT 桔子，融中研究整理

《大数据白皮书(2019)》：数据安全合规要求不断提升

《大数据白皮书（2019）》：数据安全合规要求不断提升 12月10日，中国信息通信研究院发布了《大数据白皮书（2019）》（以下简称“白皮书”），这是中国信息通信研究院第四次发布大数据白皮书。白皮书在前三版的基础上，聚焦一年多来大数据各领域的发展，探讨了大数据技术、产业、应用、安全及数据资产管理的进展和趋势。根据白皮书显示，技术融合、数据合规、应用深化和资产管理是2019大数据发展的关键词。白皮书显示，2019年以来，全球大数据技术、产业、应用等多方面的发展呈现了新的趋势，也正在进入新的阶段。当前，大数据技术呈现出六大融合趋势：（一）算力融合：多样性算力提升整体效率（二）流批融合：平衡计算性价比的最优解（三）TA 融合：混合事务/分析支撑即时决策（四）模块融合：一站式数据能力复用平台（五）云数融合：云化趋势降低技术使用门槛（六）数智融合：数据与智能多方位深度整合近两年来，各国在数据合规性方面的重视程度越来越高，但数据合规的进程仍任重道远。2019年5月25日，旨在保护欧盟公民的个人数据、对企业的数据处理提出了严格要求的《通用数据保护条例》。欧盟EDPB的报告显示，GDPR实施一年以来，欧盟当局收到了约145000份数据安全相关的投诉和问题举报；共判处5500万欧元行政罚款。苹果、微软、Twitter、WhatsApp、Instagram等企业也都遭到调查或处罚。 GDPR的正式实施之后，带来了全球隐私保护立法的热潮，并成功提升了社会各领域对于数据保护的重视。我国大数据的行业应用更加广泛，正加速渗透到经济社会的方方面面。这几年，无论是从新增企业数量、融资规模还是应用热度来说，与大数据结合紧密的行业逐步向工业、政务、电信、交通、金融、医疗、教育等领域广泛渗透，应用逐渐向生产、物流、供应链等核心业务延伸，涌现了一批大数据典型应用，企业应用大数据的能力逐渐增强。最后，白皮书围绕技术、应用、治理三个方面对大数据发展进行了展望：