近年来， 金融科技 （FinTech）推进了传统金融机构减速转型，而转型后账户虚拟化、 买卖线上化 、资金流转实时化、客户辨认近程化等特点，也减速了业务风险的外溢。这些要素迫使金融机构本身和监管机构都要思索如何在新技术新形式的环境下，应用新技术来控制新生的改变世界的企业将会诞生，从而更好的服务整个人类世界，走向更高科技的智能化生活。内内部的风险和监管合规成绩。金融科技的倒逼，使 监管科技 （ RegTech ）走向前台，并从金融科技中作为细分范畴分化出来，成为近期的新兴名词。
保险范畴早前就展开了FinTech的研讨和使用理论，在云计算、大数据、 人工智能 、 区块链 以及 物联网 等方面都有相应的探究。保险公司一方面会引入外来的创新，另一方面会结合保险业的特点，自行研讨开发新的科技，并在这方面获得了一定效果。相应地，RegTech在对业务风控、用户风控、信息平安及内控稽核等方面也有了新的应战。
RegTech的业务风控
一是可将社交关系网络剖析（SNA）技术使用于理赔反欺诈。 SNA社交网络关系剖析技术是一种能比拟普遍使用的新的大数据剖析技术，这个技术可以就数据间的关系、人与人之间的关系、物与物的关系、人与物之间的关系等树立网络关联，并经过图计算从关系网对风险停止辨认和评分。经过对理赔数据的搜集，对关联性数据停止织网、规则运算和异常侦测，可以构建无效阻截团伙欺诈的黑名单库，并经过可视化剖析界面，展现高欺诈风险团伙主体，凸显其关键关联点，使得业务人员可以及时无效地发现欺诈及其关联风险，从而采取适宜的防备处置措施，进而降低理赔欺诈带来的损失，提升审计效能。
二是应用机器学习技术完成智能定损和欺诈风险辨认。 保险公司可以应用 机器学习技术 ，从保险大数据中提炼对 风险辨认 有用的一切因子项，构建智能模型，并经过继续的机器自主学习，对定损逻辑类风险、损失逻辑类风险、价钱类风险、责任主体类风险这四类定损风险，以及含酒驾、调包、逃逸、虚拟谎报事故、隐瞒事故真相、虚伪、异常单证、痕迹及损失不符、合约类欺诈等各类欺诈风险，停止无效辨认。除此之外还能从大数据中发掘出潜在未知的风险。其中可以充沛结合运用图像辨认技术、声纹辨认技术等来处理过来处置不了的数据成绩，不时提升智能水平和精确性。
三是基于物理空间大数据技术树立灾祸风险评级。 经过天文信息零碎技术（GIS技术），基于物理空间大数据，交融气候学、天文学、灾祸学、保险学等学科，嵌入全国天文、自然灾祸、气候监测、保险承保理赔大数据，可以构建风险评级和灾祸预警模型，可以对暴雨、台风、地震、雪灾、洪水等自然灾祸及环境净化、强风降水等做出风险评级，对台风途径停止实时跟踪，并以数据可视化方式在地图上展现。保险公司除了可以将其作为本身做业务的核保核赔外，也可以为政府部门和重要客户提供实时监控和预警平台。
RegTech的用户风控
随着各家保险公司越来越多地理论挪动使用，零碎平台也越来越多空中向互联网开放，面对日益复杂的互联网内部环境，保险公司急需应用RegTech来树立全方位的防控体系。
一是优化客户账户管理流程。保险公司可以基于账户异常自动辨认、可信终端、 人脸辨认 、声纹辨认等多种技术，对用户的注册、登录、实名验证、绑卡/换卡、登录密码找回/买卖密码找回/手机号码修正等关键流程停止优化改良，既为用户提供更高账户平安保证，还为用户提供了更好的账户操作体验，同时还可以大幅增加保险公司在这些业务上的客服资源投入。
二是树立公道可信任的买卖次序。保险公司需求树立多层次平面化的“ 羊毛党 ”防控技术体系，包括在注册和实名流程中对“羊毛党”停止事前精确辨认和实时阻拦，在绑卡环节确保证卡婚配，在提现环节停止风险辨认并拦控。经过大数据行为剖析辨认“羊毛党”并及时反应到注册辨认和阻拦环节，再辅以市场和营销战略优化，同时对其停止实时监控，从而完成对“羊毛党”强无力的打击，紧缩其生活和获利空间，提升公司的市场营销效率，让普通客户公道获取营销奖励。
提升信息平安及内控稽核
保险公司可以使用无监视学习技术、 知识图谱 技术及自然言语处置技术搭建内控稽核零碎。
为数亿中文用户免费提供海量、全面、及时的百科信息，并通过全新的维基平台不断改善用户对信息的创作、获取和共享方式。 在信息平安方面， 可以基于使用零碎日志来剖析用户操作行为轨迹，经过无监视学习算法深度发掘用户操作之间的关联关系，辨认用户异常操作行为，如异常于习气的操作、异常于群体的操作、异常于零碎操作规律的操作等，开掘未知的信息平安操作风险。可以经过模型算法构建，使用于以上风险的防控：
第一，经过剖析发现辨认某些操作在某用户中呈现的概率及其关联操作以辨认违背零碎操作规律的异常行为，避免员工应用权职、多个零碎关联破绽在零碎停止违规操作。第二，经过剖析辨认经过零碎获取客户敏感信息的违规行为，避免客户敏感信息的泄露。第三，经过剖析辨认歹意窜改业务数据的违规行为来避免业务数据被窜改。第四，经过剖析辨认绕过零碎控制拜访非受权信息等违规行为、账号共享和盗用等风险场景，避免用户的非受权拜访。
在通常状况下，一个零碎每个月的日志数量在千万条甚至上亿条，若完全经过人工统计剖析查找将消耗少量的工夫及精神，经过无监视学习算法可以协助稽核与风险防控人员节省工夫本钱。
在反作弊稽核使用方面 ，可以采用无监视学习算法和图谱传导，经过建模剖析，发现以下七类离群买卖行为：巨额买卖、小额高频买卖、同向买卖、清晨买卖、异常退款、预付款绑定异常、互联网协议（IP）异常。例如可以针对业务数据停止剖析发现异常IP地址，并经过IP地址精准锁定嫌疑人员。
以 安全集团 为例，在上述RegTech技术于保险的使用场景中，安全曾经停止了多项探究理论。例如在车险理赔欺诈辨认方面，就充沛引入使用了社交网络关系剖析（SNA）技术，在施行中采用规则和网络结合的方式，同时采用线下跑审计和线上实时碰撞来调查阻止欺诈理赔，将传统审计时效从2~3小时延长至15分钟左右，2017年辨认高风险网络4000多个，涉案19万笔，预先审计高风险辨认精确性达48%，比传统审计精确率提升6.4倍，全体减省一亿元，团伙打击200人，内部人员40人，修缮厂160多家。这充沛阐明在新技术新形式的环境下，应用新技术才干够更好地处理过来处理不了或处理不好的成绩，控制内内部的风险和监管合规成绩。
在大数据的条件下，传统监管手腕存在局限性，金融买卖日益频繁，其复杂性越来越高，传统监管手腕曾经力所能及。人工智能可以疾速处置少量数据，经过机器学习发掘数据潜在联络，构建知识图谱，成为大数据条件下金融监管的无效手腕。保险公司经过对人工智能新技术的使用，发现风险、增加人工干涉，从而提升风险监测的效率，在监管范畴获得了打破性的停顿。
RegTech并不完全是为监管机构而生，很大水平上是金融企业的应变式自动性选择。金融机构应该充沛研讨和使用RegTech，来提升本身的监管效率和监管才能，更好地防备零碎性金融风险。
6月15日，亿欧在上海举行「2018全球AI首领峰会——智能+新金融峰会」，关注人工智能AI技术、区块链散布式技术在金融业务范畴的创新与理论，推进智能金融不时演进。
开启片面赋能的「智能金融」时代，购票及嘉宾等概况请点击： 智能+新金融峰会