氪信TAI异常交易监测解决方案，通过机器学习技术助力银行解决交易反欺诈的难题。TAI整个智能模型体系由多种AI技术集成，涉及五大核心技术、四方数据及三大模型。即，通过集成多个图挖掘技术和含无监督、半监督、复杂网络分析及图挖掘、NLP等核心技术，依据金融机构内部账户、客户数据、账户之间的资金交易流水数据，以及工商等外部数据，构建交易行为偏离预测模型、账户行为偏离预警模型、群体风险识别模型，为银行提供面向场景的交易风险名单、账户风险名单、及可疑风险群体名单。
TAI解决方案在输出风险的同时为专家提供模型预测结果的解释，实现AI模型白盒化。其中，五大核心技术的支撑是解决方案得以实现的关键。
1. 高维资金交易及账户画像技术
基于知识图谱技术和反洗钱场景的金融专家经验、数据体系结构洞察，构建集账户属性，交易特质以及资金网络的全域高维资金交易知识图谱。
2. 多级递进交易异常检测模型
基于无监督技术构建的模型，无需场景样本数据，有效解决可疑资金交易场景样本缺失问题。基于高维交易模式特征，采用基于高斯混合模型（Gaussian Mixed Model、Isolation Forest）的离群检测算法，显著提升全面性；采用的多级模型框架，结合账户上下游交易链数据、以及交易双方所处行业的整体异常偏离信息，保证准确性；同时利用动态离群检测算法，自适应新的未经定义的风险模式。
3. 复杂网络分析及图挖掘技术
基于关联风险网络的特征提取框架，作为氪信独创的行为语言处理技术（BLP），有效实现从个人风险特征到全局网络风险的把控，提升个体风险特征模型效果。通过社区挖掘算法如标签传播算法(Louvain Modularity算法)等，定期计算各社区的欺诈风险，主动预警疑似欺诈圈子。
4. 基于图的半监督传导模型
针对账户风险场景中黑样本稀少、复杂群体风险模式难以识别两大问题，一方面通过半监督技术进行样本扩充，有效解决场景黑样本稀少问题；另一方面通过大规模关系网络和图挖掘技术，精准识别群体账户风险，实现由点（单一风险账户）到面（群体风险账户）的拓展延伸，群体风险识别能力较简单N-neighborhood关联模型提升40倍。
5. 数据+算法+人机结合落地应用
TAI利用LIME去捕获结果或者局部结果中的关键变量，让风控专家迅速地抓到是哪些特征导致结果的变化，在此基础上把人的风控经验和直观感受跟数据表现结果关联起来，通过模型的特征可追溯性，有效地实现机器学习模型的可解释。
氪信TAI异常交易监测解决方案针对银行传统风控体系更多聚焦于事后处置和依赖人工识别、缺乏事前预防和事中控制手段、缺乏规范高效的管理工具和统一协同的管理策略等不足，率先采用全新的复合型AI技术框架，为客户打开从“关系”角度去分析问题的视角，从而为银行带来经济效益的提升，同时帮助金融业完成从个体欺诈风险到网络全局欺诈风险管理能力的全方位升级，推动行业实现健康发展。
1. 大幅提升银行工作效率，降低反欺诈运营成本
TAI可承担每月过百亿的资金交易笔数全量处理和异常监测工作，将银行自动审批率提升超过50%，显著银行降低人工反欺诈运营成本。
2. 极高风险预测准确率，增强万亿级信贷风控效果
TAI实现个体风险预测TOP 5000准确率99%，群体模型TOP 5000风险圈子准确率90%以上，使得在通过率降低1%的情况下可实现坏账率降低50%，客群扩大20%的情况下坏账率无上升，提升万亿级别信贷体量下风控效果。
3. 扩充高风险群体形态认识，多业务场景可应用
TAI能发现多种不同组织形式的高风险群体，反向扩充了专家对高风险群体形态的认识；适应包括反洗钱、贷款反欺诈、开户风险识别、反赌博、优惠反滥用等多种不同业务场景。
