声纹识别模型在金融反欺诈的应用

在信用风险与欺诈风险的防范中，信用风险统一采取“温和”模式，在综合考量监管、收益与风险的平衡下进行风险决策。而对于具有欺诈风险的客户，风控策略则是“以暴制暴”，在贷前审批环节就尽可能的将其拒之门外。

在之前一篇微表情反欺诈模型特征解析及应用文章中有讲到如何从微表情视频中提取一些风险警示特征，并将其应用到贷前申请和反欺诈评分卡模型中。

对于微表情反欺诈模型，从应用角度来看，不仅需要提取解析视频特征，还需要具备一定的微表情分析专业能力。虽然微表情分析目前从国际发展来看已经相对成熟和专业，但由于此类专业对分析人员的经验和学术能力要求极高，往往只有国家刑侦等机构会聘请微表情分析专家。对于一般金融机构，微表情分析难度和模型精准性还有待未来继续提升。

反观，对于声纹识别和将其运用于黑中介欺诈防范，目前也同视频解析技术一样，开始应用于贷前反欺诈。但不同于微表情反欺诈模型，声纹识别反欺诈模型不需要跨行业专业经验，更易用且精准度高。

接下来，我将为读者朋友们分享一些关于声纹识别模型在金融反欺诈的一些应用。

黑中介介绍

黑中介欺诈识别

在应用任何技术之前，我们首先需要明确应用的目的是什么。声纹识别技术的应用主要在于识别黑中介欺诈团伙。

在金融中介里，按照风险等级可以分为白、灰、黑中介三种。其中白中介可以认为是金融机构信贷产品外部业务员，白中介只会告知借贷流程和所需资料，按照正规操作帮助申请者借贷；而灰中介则会帮助一些资质欠佳的客户包装资料，收取合理的手续费，广义上也可以认为是合法的助贷；黑中介则会通过各种手段取得客户信任，骗取客户的前期费用。要么最终没有帮其申请贷款，要么就会购买个人身份证银行卡，用来攻击平台申请贷款，也就是伪冒身份申请贷款。黑中介的行为构成了欺诈，属于违法行为。

在金融小额信贷行业，大部分坏账来源于黑中介主导的产业链式诈骗。如何在审批环节及时鉴别出黑中介，成为降低金融机构坏账率的关键因素。

声纹识别反欺诈模型

反欺诈工作中，识别用户真实身份是第一关，也是最难的一关。黑中介有多种伪造用户身份的办法，单一的身份识别手段无法有效地解决问题，新的思路是结合更多的身份识别手段。声音，作为一种标识个人身份的特征，越来越受到重视。

已有研究表明在某些特点的环境下声纹可以用来作为有效的证据。美国联邦调查局对2000例与声纹相关的案件进行统计，利用声纹作为证据只有0.31%的错误率。

声纹反欺诈模型的业务流程可以按照如下方式构建和进阶：

1.在信贷产品登录申请环境中，要求用户阅读一段固定的文字，搜集提取其声纹特征。此时可以逐步建立声纹白、灰、黑信用风险明单库。

2.后续客户再次登录时，用此次声纹与之前比对，判断是否是同一个人申请。如果声纹与库中声纹不一致，可以采取限制其登录app或增加验证策略，如人脸识别。

3.通过关系复杂网络技术进行关联人检验，识别并逐步建立金融机构声纹欺诈黑名单。在信审过程中，系统自动将该声纹与声纹欺诈黑名单库中的声纹做对比。这种方式与指纹识别相似，但机器合成的声纹，更容易被识别出来，不易伪造。

4.在积累到一定的声纹特征数据后，可以在信贷申请环节通过声纹识别匹配技术简化登录验证，用户只需按照系统要求读出随机数字，声音若与此前声音特征参数匹配，即可登录成功。

与其他方式相比，声纹的主要优势体现在采集设备便宜、非接触式、不易仿冒、可并发识别。特别是其“非接触式”、“远程识别”的特点，使声纹反欺诈模型在诈骗防范上可以发挥重要作用。

声纹识别反欺诈模型可以提升之处

目前声纹识别技术还处于发展早期阶段，有许多问题需要解决，包括噪音环境下的识别准确率低，采集设备多样造成的声纹差别，以及被识别者口音变化的影响。

虽然声纹识别技术目前仍有很多需要克服的困难，但我相信，声纹识别在金融反欺诈中的应用，一定会对欺诈风险的防范起到助力作用。金融安全环境，由我们共同维护。