业务安全打头阵，顶象技术如何突围金融科技？

借鉴“双11”理念，辐射更多行业

调研 | 李喆 刘馥亮

撰写 | 许榛

近年围绕互联网的黑灰产行业有加速蔓延趋势，涉及到用户端、通信通道、后台的业务安全问题频繁发生。

成立于2017年的顶象技术，主打从端到通道到后台的全链路纵深业务风控。在创办顶象之前，陈树华负责阿里巴巴的移动安全和业务安全，并担任过阿里双11的安全总指挥。拥有多年电商业务安全经验的他，对反欺诈技术及各种应用场景了如指掌。离开阿里巴巴后，陈树华将这些业务安全攻防应用实践总结为一套理念。基于这套理念，顶象技术陆续推出了覆盖全链路的端安全、适合全场景的风控、满足全业务的智能分析平台等产品。

凭借精锐的团队和特有的产品，顶象技术成功为金融、互联网、航旅、IoT等行业提供了专业业务安全解决方案，其中不乏同程旅游、饿了么、每日优鲜、国家电网、中国国航等头部客户，业内认可度极高。

不过，在非金融行业发展面临着天花板低的问题。

首先，行业内业务安全类需求经常波动，无法维持稳定增速。其次，顶象虽然在某些技术点上具备优势，但非金融行业规模有限，而且一些深耕业务安全的公司拥有更多成功案例，行业内竞争形势严峻。

凭借与非金融行业内客户合作积累的数据和模型，顶象技术正逐步推出面向以银行为主的金融行业反欺诈产品及信贷模型产品。

顶象从专注用户体验的角度出发，设计定制化的数据处理模块为客户节省了大量数据清洗和分析的时间；定制化和共享模型功能则更贴近业务需求，让用户针对业务直接选择对应模型。这两大优势已经帮助顶象在银行业拿下了众多城商行的端安全和营销反欺诈业务。

在向银行客户开拓业务时顶象仍面临案例经验的劣势。为了弥补这一不足，顶象一方面与自建风控模型的大型银行合作，依靠技术优势为其提供反欺诈技术咨询服务，另一方面顶象与合作伙伴联手，与头部银行达成战略合作并引导客流，并提供反欺诈服务。

目前，银行业呈现两大发展趋势，有利于顶象在业内加速扩张。

从2018年起，国家逐步开放各类金融机构的外资持股比例。顶象技术预计外资银行将加快推出新业务的步伐，带动国内银行业的发展。另外，国家对于小微企业的金融扶持政策会通过银行落地。未来银行对反欺诈及信贷模型的需求会继续升温。

从客户拓展的角度来看，在维持非金融行业客户的同时，顶象希望以城商行及小型股份制银行为切入点，依靠自身技术优势和案例累积在反欺诈及信贷模型的细分应用场景形成突围之势，服务于更多银行。

近日，爱分析对顶象技术首席科学家施亮进行了访谈，此前他曾担任阿里巴巴资深安全/算法专家。施亮详细阐述了顶象技术的业务模式和发展战略，现摘取部分内容如下。

未来聚焦银行反欺诈和信贷业务

爱分析:在阿里巴巴的产品开发经验为顶象技术带来了哪些优势？

施亮：顶象创始人在阿里巴巴安全部做了阿里巴巴安全部两款仅有的对外输出的产品——聚安全和钱盾。其中，聚安全聚焦在电商业务安全，钱盾主要是手机端的防护；防范阿里系诸如淘宝和天猫手机交易的反欺诈威胁。

因为当时阿里的产品基本都是服务于阿里内部，不对外服务。所以创始人离开后，把这个想法独立出来，提供给其他企业，以提升整个行业的安全能力。目之前已经服务了一大批客户，包括在航空业的中国国航，电商业的饿了么、同程艺龙、每日优鲜、宝宝树等。银行业也有一些客户，比如南京银行，宁波银行、泉州银行、泰隆银行、国内四大清算中心之一的农信银资金清算中心等。

爱分析：在银行业，顶象技术是怎样的服务模式？

施亮：大体上是分两块，信贷和反欺诈。信贷业务里，对于正常客户，银行根据收入、年龄、借还款历史、资产情况决定授信与否和授信额度。反欺诈业务里，主要是辨别哪些人就是来骗贷的。比如像现金贷，有不法分子捞一把兑现了就跑了，相当于来骗贷款的。

反欺诈一直在做，11月份将会推新产品。我们原来做的反欺诈是互联网领域，和银行营销欺诈稍微有点差别，但很多技术是相通的，包括底层的平台和逻辑。

我们借用了在阿里内部成功实践的想法，把轻量化产品部署在银行端，因为银行数据和所有平台都得部署在本地，所以我们做了大量的私有化工作。在我们的策略服务平台里，一项复杂规则的执行可以控制在平均20毫秒之内。算法有多种比较复杂的嵌套模型，但一般情况都是在20毫秒之内就能搞定，相当于实时风控能力。

爱分析：银行客户的部署时间需要多久？

施亮：部署时间相对友商会比较短，视复杂程度，从一星期到几个星期不等。

爱分析：在银行业拓展客户的策略是什么？

施亮：我们刚开始推的时候是从高端农商行或者城市股份制银行，可以先试用。如果觉得没问题了，再进一步的合作。

爱分析：顶象技术与其他竞品相比有何差异化？

施亮：我们想用极致的用户体验打动客户，让所有模型都可以通过鼠标拖拽实现，不用人工编写代码，包括数据清洗。一般情况数据清洗占据最多的建模时间。我们帮助用户把时间全部省下来，用鼠标就把数据清洗搞定。

就好比吃龙虾，有些饭店可以去虾头、虾线、虾尾，这样客户手都不用二次处理就可以吃小龙虾了，味道还是一样的。我们想在极致的用户体验上下功夫。

我们从数据处理到建模，在整个流程中的某些环节能够达到用户的G点，让用户使用非常方便。此前，企业如果要建设模型，一般需要2-3个非常有经验的建模和数据分析人员，耗时1-2个月才能完成。使用我们的建模平台后，只需要1个人，耗时只要1-2个星期就能够搞定,适合银行方做大量的新业务上线和老业务迭代。

在反欺诈技术的研发上，我们引入了深度学习神经网络，同时注重个人特征加上关联关系的延伸。

目前，这方面的前沿学术文章都是在2017年之后发的，在业界还没有看到这样的产品。我们把它叫做深度画像技术。目前已经应用到金融业的各种应用场景，比如用户分层、信用分级、欺诈团伙识别。

爱分析：顶象的模型和通用AI算法平台的差异在哪？

施亮：我们在银行的信贷和反欺诈业务做的很细，主要专注在应用场景上。在通用平台上如果做类似建模需要做大量工作，包括前期数据处理、建模型、写代码，非常专业的人花很长时间才能做出来。

所以，我们的产品相当于客户直接吃龙虾肉。相当于客户只需要提供小龙虾，自己不用做处理，我们的产品会帮用户处理好上桌，非常简便。

累积行业经验，开发前沿技术

爱分析：数据来源有哪些渠道？

施亮：在南京我们有一个十几人的团队主要负责数据产品。首先，我们此前服务于互联网、电商、航旅，积累了大量黑产手机号、风险IP地址等数据，这是我们自有的数据。

另外，我们现在与其他数据公司有合作，包含运营商、工商、司法、公安等权威数据核验等。还有，逾期、骗贷、多头借贷、不良记录核验等。

再有，我们提供的平台，能够接入第三方多源数据。

爱分析：关联网络的技术怎样实现？

施亮：可以理解成知识图谱，但比知识图谱的技术要更进一层。知识图谱现在在业界没有太好的落地应用，我们还是希望在这一行开发领先的技术。

阿里巴巴在业界已经是应用比较快的公司，但知识图谱还只是处在可视化展示的阶段。真正做到自动检测威胁，提高精度，还没有一个像样的应用。现在知识图谱运用大量的关联关系，我们还在研究更深层次的技术。

这个关联关系分析可以理解为加密个人信息的脱敏，在用户本身的属性加上用户关系网络来统一描述用户。

爱分析：针对不同行业的模型是怎么研发的？

施亮：在风控模型上我们有大量的积累，目前已积累上千策略和模型。虽然不同的行业有不同的风险类型，但我们有一套模板可以定制。

举个例子：某客户是做母婴垂直产品的，我们与他们合作的时候无需临时写规则，直接把模板拿上去调试，然后根据不同的业务情况调整阈值或者添加新规则。随着我们模型的不断积累，之后部署的过程会越来越快。

爱分析：NLP技术和目前业务的结合情况是怎样的？

施亮：NLP本身是业务建模辅助技术。据我了解，目前没有专门只提供NLP服务的公司。数据处理的过程是要去对应业务场景的。在银行领域，绝大部分都是结构化数据，而大量对NLP处理的需求，数据一般都是非结构化，或者是大量的文本。如果客户有NLP技术需求，我们希望用OEM的方式去合作。我们不会特别专注于NLP，还是会专注在我们的领域。

爱分析：顶象对于无监督算法是否有涉足考虑？

施亮：我了解到目前有无监督、弱监督、半监督等的算法用在反欺诈和信贷，以我个人的体验这些算法不是很靠谱。银行需要投入大量人力去分析和验证，或者说这些算法对应的运营成本太高。

之前在阿里巴巴时，我们也用过大量无监督和半监督的技术，但问题就是后期运营成本太高。从对业务的帮助来讲，一般情况下监督/半监督算法比弱监督/无监督相比会更加实用。

技术和算法需要对应场景。如果说对方没有样本，我们这边也提供了关联网络的样本，或者我们也会提供无监督解决方案。但是我们不会只专注于无监督这样的一个点。

爱分析:生物探测技术有哪些进展？

施亮：生物探测相比于设备指纹更进一步，会涉及到使用者的一些习惯，比如使用手机习惯、手持手机的角度、所处海拔、屏幕按压和滑屏的速度等，设备指纹只是关于设备的物理画像。

我们通过SDK能够采集更丰富的数据，能够对使用者的习惯进行判别是不是本人操作，这对反欺诈建模的帮助比较大。

比如，发现所处海拔永远是一样的，手持手机的角度也24小时不变，可以基本判定根本就不是一个人在操作设备，是一台机器在操作。因为人手持手机的角度是不停在变的。

爱分析：公司竞争壁垒在于哪些方面？

施亮：我认为是团队实践经验和产品的极致客户体验，拥有大量的成功案例。如果没做过类似案例，需要很长时间才能取得客户信赖。现在，我们在和客户接洽，客户很快就明白我们有过类似案例。因为客户非常熟悉自己的业务需求。他们很快就能试用我们的产品，或者直接签合同。特别是服务过头部客户后，拓展其他客户会非常快。

以价格优势及服务打动客户

爱分析：目前的客单价在什么水平？

施亮：几万到几百万不等，整套的解决方案也有卖过几百万，从端到链路到策略到模型平台。如果后续需要顶象的服务就是另外一回事，我们可能提供优惠。

我们的对标友商的产品和服务收费都很高。第一次向客户出售产品，也可能会采取价格策略，但是在功能和应用性上，我们的产品比其他公司的产品能够提供更舒服体验和服务，这样有效增强用户信赖度和黏性。

客户最了解自己的业务，我们给他们提供定制化的工具。不管客户想造摩托车，还是造汽车，还是造自行车，我们都会提供非常合适的一整套定制化的工具。

爱分析：销售方式是怎样的？

施亮：现在基本上都是直销。如果未来我们发展的大了，可能会采取代理的方式。

爱分析：在基金业有哪些开拓计划？

施亮：顶象跟嘉实基金会做基金营销的产品，也是用的关联网络分析，技术和推荐算法与之前的产品都类似。我们会和嘉实先做POC测试，主要就是基金和它的一些产品的精准营销。

爱分析：顶象未来一两年内的规划是怎样的？

施亮：我们还是想把产品做细，方向已经定下来了。我们想做更极致的用户体验，以及在细分领域积累案例。各个领域的模板在沉淀过后，在和更多客户合作时就更趁手了。好比，客户想要造特殊的摩托车，我们可以提供特殊的锤子和扳手。

爱分析：目前的总客户数有多少？

施亮：目前的银行客户相对比较少，有农信银资金清算中心，还有宁波银行、南京银行等一些城商行，加起来一共有十多家左右，在做POC测试的应该有二三十家。其他行业的付费客户已经有几十家。

爱分析：公司人员构成是怎样的？

施亮：公司现在有一百六七十人，百分之七十是研发人员。研发团队分为端、策略、平台、人工智能算法、交付等。交付团队分成策略交付和建模交付。

爱分析：今明两年有怎样的业绩预期？

施亮：今年的目标是收入比去年翻倍。但是今年国家整个大环境不太好，特别是银行这边，目前完成原先制定的目标还是有很大挑战。另外新业务的收入比较少，目前主要收入来自于互联网企业和航旅行业的订单。

明年的预期很难讲。今年到明年的环境不一定会有大的好转，而银行业务的回款周期也比较慢。我们可能会采取赠送的方式，特别是针对大型银行客户。客户体验上来，我们就可以快速的推广。