0
當數字化轉型成為時代的浪潮，企業的發展已經無法脫離數字行為、單打獨斗。
各類商業場景與鏈接的裂變與新生，驅動產業協作數字化的不斷升級。
與此同時，參與數字活動的安全與風險，也成為企業融入新產業協作模式的阻礙：區別于個人用戶單一的賬戶與交易風險（如反欺詐、反賭博），企業作為一個高度多元復合的抽象體，其風險的描述、量化、處理更復雜。伴隨業務邊界和規模的不斷擴大，風險也變得更分散、隱蔽且多樣。
因此，企業對數字安全的要求也更高，技術面臨的挑戰也更大。
但相比保護個人用戶，針對B端企業用戶產業協作的安全科技討論在聲量上卻要小得多。
一般而言，企業參與數字化產業協作，關心兩個本質問題：一是如何通過數字化獲客，讓自己發展壯大；二是如何保護自己在數字世界的資產及業務安全。
在今年的云棲大會上，螞蟻集團提出，解決這產業協作風控的上述本質問題，需要基于“可信 AI”與“可信數據流轉”打造底層技術基座。
與C端用戶風控相比，B端產業協作風控面臨了獨特的問題。但過去螞蟻在C類金融、生活服務風控場景中的技術和實踐積累，可以遷移至如今更大的產業協作圖景上，且有更多新的發現與思考。
1
企業的數字化發展憂慮
疫情以來，數字活動越發成為企業對外拓展業務、建立合作的途徑。
不同于個人在數字世界的活動，企業行走網絡江湖，有自己的獨特焦慮，例如：千里之外未曾謀面的合作伙伴是否會欺騙自己？找好的經銷商是否會違約？
進入實際的協作鏈條中，企業面臨的風險往往也是多方位的。
以產業的上下游協作為例。
許多大型企業的產業鏈上游有供應商、下游有經銷商、直客，當中包括了物流運輸協作，貨物倉儲協作、金融、監管等等多個環節。這其中，每個環節都可能成為安全的漏洞。比如，主體的經營情況、 企業主個人風險、貨物風險和價格風險貫穿全鏈路。
同時，涉及企業眾多，一個環節的斷裂就可能波及全鏈條，風險輻射范圍巨大，防不勝防?！痘ヂ摼W平臺涉稅刑事風險報告（2022）》就記錄了一個案例：
某物流公司被“發現存在發票與貨運業務分離，涉嫌無真實運輸服務而過賬虛開、虛假運單、虛假托運、虛假抵扣、資金回流等違法違規行為”，直接影響了相關下游企業多達2700余家，許多企業收到協查，面臨著補稅、滯納金、罰款，甚至是追究刑事責任的風險。
當我們嘗試去研判一家即將合作的企業是否可信以及評估授信額度的時候，單看這家企業的自身收入狀況是遠遠不夠的，他的上下游業務是否健康、政策風險、周期風險如何，股權風險，乃至輿情風險等因素，都需要風控人員用全局視角來觀察和計算。
然而，這些復雜的工作，在很多企業中仍主要以人工為主。其參考的信息和數據往往是碎片化的，需要通過風控人員依靠過往的知識和經驗來進行判斷、生成報告，再經由層層審批來推進。一家企業的盡調往往需要三天到一周的時間，耗時長，對于大規模的企業來說，長此以往，人力成本非常高。
除了成本，企業風控也面臨數據孤島的問題：風險研判的數據來源涉及多個不同主體，包括工商、支付機構、銀行等。為保護數據隱私，機構之間往往數據不互通，風控難度增加。
在這場探索中，AI 與數據成為兩個突破口。
2
千行百業各有門道
可信技術如何更懂人？
在產業風控的鏈條上，藏著三個核心難點亟待解決：龐雜數據的歸集聚合、基于多元場景下的AI模型應用、以及全局視角的風險研判。
從這三個問題出發，螞蟻提出了自己的思考，并基于“可信 AI”與“可信數據流轉”的底層技術能力，提供了相應的解決方案。
打破數據孤島，搭建可信數據流轉通道
企業是一個復雜的經營體，一個企業的數據也往往比個人數據復雜得多，既包含工商、司法、輿情等公開數據，也包括稅務、發票及報關等其他數據，面對這些維度多且來源分散的數據，梳理起來并不容易。
同時，數據與其他生產要素也存在非常大的區別。數據管控和保護難度大，但在復制和造假上卻幾乎是零成本，這就導致了數據作為“新石油”在推動產業增長時，企業和用戶對個體數據共享和流轉安全的擔憂。
位于孤島的數據只是一串串數字，其價值難以被發揮。
不僅如此，今天的數據與十年前的數據也存在極大的價值差距。企業使用近一年內的樣本來進行模型測算，與使用五年以前的數據來測試模型，其最終結果往往是時間距離更近的、更符合實際場景的應用。
這就意味著，要實現產業協作數據價值的最大化，就必須在保證安全、可信、合規的情況下共同推動可信數據流轉，從而解決產業上下游協作的信任問題，也可以用于各機構和企業間建立合作，共同抵御同一類風險。
以聯合反詐為例，此前為打擊治理電信網絡詐騙，公安、銀行、運營商、螞蟻集團聯合各自積累的黑名單數據，運用區塊鏈、隱私計算等技術為C端用戶實施主動風控，通過智能彈窗喚醒，延遲到賬或資金截留等方式，盡量阻止欺詐交易的發生。
螞蟻一直致力于用技術，將流轉的可信數據同橫向、縱向產業協作鏈條連接起來，打破數據孤島，采用端云協同的模式，實現更智能、更協同的風控。
在螞蟻集團數字科技事業群安全科技技術總監章鵬看來，要實現可信數據流轉，根本上是解決三個問題：
第一，是數據流通基建的搭建。
螞蟻安全科技團隊基于區塊鏈技術，建立了一個數據資產的可信流轉通道，企業包括工商、司法、產業鏈、發票、稅務等多元多模的數據，都可以通過這個管道合法合規地做數據流轉應用，保證了數據的安全性、合規性和隱私性。
同時，在這個基建的基礎之上，區塊鏈技術對外還能同企業系統進行打通，參與到風險管理、內控、審計、招商等系列的對客產品中。
第二，基于數字協作之上的業務協作。
當我們在特殊場景中，需要協作多方對一個數據進行某種程度的共享，該如何驅動各方對可能涉及自身利益的數據進行披露、并對數據做好安全保護，章鵬表示，“其實就是一個激勵機制的設計，這點非常關鍵?！逼潢P鍵就在于，讓每一方在共享的信息同時能夠達到其對應的反饋。
比如區塊鏈技術在反賭反詐場景中的使用，數據在分布式賬本上的可追溯性貫穿整個反饋環節，最終可以實現對單個數據量級逐一的評估和分配。
第三，可信數據流轉的平臺支撐。
章鵬認為，系統化對于可信數據流轉的價值體現頗為重要，我們需要一個一體化的智能工作平臺，將可信數據的流轉、匯總、計算、聚合和 AI 模型的搭建等能力，應用到整個產業協作的準入、授信、拓客、營銷、欺詐、監控預警等各個場景中，為產業風控提供強有又力量的平臺支撐。
AI 可解釋性實現風控量化模型雙向“理解”
第二個難題“基于多元場景下的AI 模型應用”，在產業協作中，也即是企業怎么用一個模型對不同的合作對象做決策的問題。
在判斷是否跟一家機構或企業合作時，很多企業都會用到評分卡模型，模型會根據基本信用和基礎行為來預測是否為目標企業，是否存在主體風險等維度進行打分，其結果可能會出現原本意向企業 A 得分為60分，不被納入考慮的企業 B 反而得分高達85分等情況，為什么會出現這樣的評分差距？判斷的標準是什么？AI 都需要進行解釋。
簡單來說，就是讓企業理解 AI 模型是如何得出評分結果的，這里面就需要用到可信 AI 中的可解釋性。
在螞蟻看來，B端不僅要強調算法本身的性能，更要強調算法的可解釋性。
風險識別和評估是個頗為“主觀”的難題，在產業協作的過程中，防控應該設置在哪些環節？風險提醒是否精準？對不同企業來說都有不一樣的答案，風控不僅要做到精準識別，還要解釋為什么攔截，這對 AI 模型的可解釋性是個非常大的挑戰。
可解釋性，是指 AI 在基于當前所掌握的數據，給出具有解釋性的識別結果或決策；章鵬指出，在產業風控中，可解釋性本身不僅要讓人理解模型，還需要讓模型讀懂人。
圖注：章鵬在云棲大會談安全科技
產業風控涉及行業知識很多，以往對從業人員的知識積累和經驗沉淀都有較高的要求，“不同的行業有自己比較多的一個經驗，有些所謂的經驗可能并不是那么絕對，有一定的模糊性，但它又需要被尊重、被理解。”章鵬補充道。
基于這樣的考量，螞蟻在搭建 AI 模型時，都會考慮怎樣把已有專家經驗的知識、法規法條等融入到模型中。
例如此前螞蟻在搭建評分卡模型的過程中，就通過對重要領域的經驗進行優化，將其和更多的知識規則注入到代價函數，從而獲得具有優越的交互性和可理解性的評分卡。其根本目的也在于實現“讓模型讀懂人”，讓企業對上下游數據實現更精準的劃分和判斷，從一個更全面的視角來選擇更優質的合作對象。
在章鵬看來，之所以風控中對可解釋性要求非常高，還因為黑盒模型作出的決策可能對企業自身和協作方的利益帶來極大的影響，“如果不能理解模型、或是跟預期不一致，客戶的驗收或接受本身也是一個困難?！?/p>
也就是說，AI 不僅要能夠精準地判斷風險，并且得出的結果也要有理有據、令企業信服。
除了 AI 的可解釋性外，在走向能力輸出或商業化的過程中，還需要考慮到魯棒性、公平性、隱私保護等可信 AI 的關鍵技術，例如對規模大小不一致的企業在數據收集方面的公平性，建模樣本差異的區別對待等等。
章鵬告訴 AI 科技評論，不管是做B類風控還是C類風控，本質都是需要可信 AI 及可信數據技術驅動的。
可信 AI 是螞蟻的天生屬性，與螞蟻創立以來提出的普惠科技的價值觀及業務緊密關聯。
自2015年以來，在長達7年的探索與實踐中，螞蟻已經逐步梳理并確立了包含“可解釋性與因果分析” 、“數據隱私保護”、和“公平性”在內的技術架構體系。在2021年6月，IPR Daily發布的首個“ AI 安全可信技術”領域全球專利報告中，螞蟻集團的專利申請數和授權數，均位列全球第一。
而聚焦到產業協作上，螞蟻也從可信 AI入手，從底向上實現數據的可信聚合、有效挖掘。
搭建產業事理圖譜
為了解決第三個難題“全局視角的風險研判”，螞蟻推出了產業風險的事理圖譜，通過對海量數據的挖掘和專家刻畫，對企業多元多模信息進行了聚合。
章鵬介紹，做產業事理圖譜分為兩步，第一步、將數據挖掘出來，第二步、在圖譜上做數據傳導。
舉個例子，當某家核心企業想判斷下游企業的收入情況是否會對中上游帶來影響、影響多少，可以收集下游企業的擴展關系構建一個“上下游閉環挖掘”圖譜，用圖神經網絡搭建一個企業關系度量和企業路徑查詢的算法進行訓練，通過數據來幫助核心企業判斷是否合作。
當前，螞蟻產業事理圖譜在企業的股權結構風險、關聯風險度量、開放事件傳導和風險線索匯集等多個場景中均有應用。
將企業數據在圖譜上進行聚合，經由產業事理圖譜做推理，可以將原本手工化需要幾個小時、甚至幾天的流程時長縮短到幾分鐘，大大提高了企業對風控研判的效率，從而更早、更快發現風險，對風險的挖掘也更深入。
3
基于可信 AI +可信數據技術的安全科技
過去十年里，產業數字化變化持續發生，從第一階段以機構自身數字化為主，實現 IT 生產效率提升，到第二階段產生了大量數據后，數據的共享和流通，使更緊密的產業協作成為可能。
螞蟻集團安全科技也是數字化浪潮中的推動者和參與者，在2017年所研發的面向智能風控的安全科技商業化產品“蟻盾”，正是希望用螞蟻在風控領域的探索實踐成果，去幫助合作伙伴解決數字化發展過程中的營銷拓客、平臺交易、產業協作等場景下的安全風險問題。
比如在服務某貿易集團的縱向協作風控時，面對該集團5萬多家的合作方（上下游、物流和倉儲等企業）的盡調工作，螞蟻安全科技團隊與該集團合作構建了一套端到端的風控平臺：
在事前準入環節，幫助企業內部和外部搭建起多元融合的數據管道；在事中分類評級授信環節，完成數據規則的搭建，從一個更全面的視角來判斷目標合作企業預付和賒銷的額度，從而達到資金的效用最大化，并對整個決策流程和場景進行實時監控；在事后排查中，以秒級實現了相關企業重大輿情等事件報告和結果的解析......
可以看到，螞蟻基于“可信 AI ”和“可信數據流轉”的能力，已經實現了對產業協作全鏈路工作的覆蓋，幫助企業在風控效率上大幅提升，在可信環境中完成可信交易。
螞蟻數字科技產品總監張世晶在分享中透露，基于可信 AI 及可信數據技術，螞蟻打造的安全科技產品在國內已覆蓋金融、出行、租賃、零售電商等10余個行業，服務客戶1000余家，在海外已幫助數十家合作伙伴服務客戶超1億。
產業發展是一個持續疊進的過程，隨著大數據、云計算、區塊鏈等技術興起之后，數字化協作升級成為下一階段的重要命題。在這場漫長的馬拉松背后，決定企業能跑多遠的一個關鍵性要素，正是風控。而基于可信 AI 和可信數據流轉的安全科技能力，是推動風控升級的核心要素，在推動產業數字化升級、實現數字化進程持續加速的今天意義非凡。
（雷峰網(公眾號：雷峰網)雷峰網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
