据工行官方数据，第一批信用卡声纹反欺诈场景于2020年6月在北京、湖北、四川、陕西4家分行上线，投产上线仅一周，累计交易逾万笔，成功防堵欺诈数十笔，挽回经济损失数十万元。值得注意的是，工行采用的声纹识别技术，是来自深圳一家人工智能（AI）初创企业……
随着科学技术发展，银行业传统的风险领域正由信贷、柜面、外部盗抢，向线上化、智能化电子银行业务延伸。比如，有贷款或办理信用卡需求的人越来越多，银行为了在贷款审批环节增加风控维度，降低不良贷款贷出的风险，往往对那些有欺诈风险的客户在贷前审批环节就采取拒绝措施。
那么如何精准识别这些风险客户呢？面对新技术、新业态催生的复杂环境，反欺诈也需要结合人工智能（AI）等新技术，有针对性地进行防范。
工商银行声纹反欺诈，开创风控新模式
近期，素有“宇宙行”之称的中国工商银行率先攻克电话信道声纹识别难题，首创性地将声纹识别技术应用于信用卡反欺诈，在银行业开创风险管控新模式。
金融科技在生物识别技术与人工智能技术的双重加持下，正快速推动大行智慧化转型。与其他生物识别方式相比，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。特别是今年新冠疫情强大冲击下，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。
据工行官方数据，第一批信用卡声纹反欺诈场景于2020年6月在北京、湖北、四川、陕西4家分行上线，投产上线仅一周，累计交易逾万笔，成功防堵欺诈数十笔，挽回经济损失数十万元。
在电话银行办理信用卡或信贷业务登录申请环节，工行在明示并征询客户同意后，注册客户声纹信息。将采集好的声纹数据进行预处理（语音增强、降噪、活体检测），并将合格的声纹导入声纹引擎进行建模，注册为声纹模型存入声纹库。后续更可以逐步建立声纹白、灰、黑信用风险名单库，将历史已确认不良记录的用户录音，提取特征后归为黑名单声纹库。
当客户通过电话银行，在线上办理信用卡申请、启卡、尽调环节接通语音服务后，无感完成声纹1：1用户身份确认，保证业务安全，杜绝木马盗取密码和指纹数据风险；
业务授权确认时，通过声纹1：N辨认，搜索黑名单声纹库，将识别具有相同声纹但登记了不同身份信息的可疑人员进行备注，供客户经理参考。出现高风险提示时，银行可以结合客户其他资信条件，允许人工复核综合考量，防范欺诈风险，缩短业务办理时间，提升客户体验。
工商银行在金融体系中以敢于科技创新闻名。早在2013 年，就在网点实现柜员的指纹授权与身份认证；2015年，还运用神经网络模型防范客户欺诈，实时判断电子银行每笔交易的欺诈风险，有效防范了客户资金损失； 2016 年投产了新一代智能机器人产品（小i），并将人脸识别技术在智能网点辅助审核流程中进行了试点应用。与此同时，2016 年工行还组建了人工智能研究团队，聚焦人工智能相关理论体系研究，并探索人工智能相关技术在信贷风险控制等领域的验证应用。
坚持基于客户需求，实施科技引领发展战略，工行一直大力推进金融科技创新研发，加速推动自主创新成果在业务及服务领域的转化应用。如今率先应用声纹技术提升风控水平，有力地推动了银行风险管理的加强，实现了金融科技优势向业务发展动力和客户服务能力的有效转化，也足见其在创新科技的应用上敢为人先的魄力，以及为全球金融科技的发展树立标杆的实力。
AI初创企业成独家技术供应商
值得注意的是，工行采用的声纹识别技术，是来自深圳一家人工智能（AI）初创企业深圳市声扬科技有限公司（VoiceAI，以下简称“声扬科技”）。
2018年10月，中国人民银行发布《移动金融基于声纹识别的安全应用技术规范》，标志着“三高一低”（高准确性、高安全性、高便利性、低成本）的声纹识别技术将在金融等对“安全”高度重视的领域开始普及。
而早在2017年5月，声扬科技就发布了专为金融机构客户打造的FinVoice智能语音认证系统（下文简称FinVoice系统），并率先通过了中国人民银行“金融科技产品”认证检测。
据了解，工商银行的科技实力一直处于同业领跑地位，对于入围供应商一向有着极高的技术标准和服务要求。声扬科技最后突围而出成为唯一供应商，技术实力和综合服务能力可见一斑。
声纹 vs 其他生物识别技术
据介绍，声纹是一种可用电声学仪器显示的携带言语信息的声波频谱。声音中包含能表征和标识说话人声音特征，以及基于声音特征多建立的语音模型的总称，声纹识别就是通过辨识声纹特征识别说话人身份的过程。
研究表明，声纹与指纹、人脸、虹膜等生物特征类似，具有唯一性和稳定性，每个人说话时声音特征（音调、响度、音色）和发音习惯几乎独一无二，通过电声学仪器（音频分析仪）可测量并分析每个人的声波频谱都不尽相同，运用声纹作为身份认证方式具有唯一性和稳定性。
声纹与其他生物特征识别因子对比特点如下：
据声扬科技介绍，公司首席科学家张伟彬博士、CTO陈东鹏博士带领的研发团队，应用深度神经网络（DNN）算法，自研Attention-based R-CNN, DPNN, DHNN等底层算法，申请了数十项专利，其声纹识别在实际应用中准确率更高达99.5%以上。对于使用录音、合成语音等攻击手段，声扬科技的活体检测算法也能很好地将其识别出来。
不过，目前声纹识别技术还处于应用的早期阶段，有许多问题需要进一步优化，例如：
1) 高噪声环境下声纹识别的鲁棒性：声音在空气介质中传播容易受到周围环境的噪声（如风扇噪声、汽车发动机噪声、音乐、周围其他人的声音等等）的干扰，导致声纹识别系统的鲁棒性急剧下降。
2）跨信道声纹识别问题：传统的声纹识别算法，要求注册和验证的语音都来自同一个采集信道（比如都是电脑麦克风采集或者手机采集），这导致了声纹识别技术无法在很多场景下使用。
3）极短语音声纹识别：传统的声纹识别引擎，需要用户说几分钟的语音用于验证，用户体验极差。
据声扬科技介绍，公司已经针对上述难点实现技术突破。未来随着5G、大数据、云计算等新技术发展将愈加成熟，以及互联网大厂的入场，声纹识别一定会在金融、公安等领域中发挥越来越重要的作用。
责编：Luffy Liu
您可能感兴趣