一、项目背景及目标

（一）项目背景

近年来，我国宏观经济呈现稳中有进、回升向好的发展态势，国家锚定“大力提振消费、全方位拓展国内需求”等关键任务，出台《关于做好金融“五篇大文章”的指导意见》等政策指引，指导“金融机构健全普惠金融风险管理机制，提高风险定价能力，推动普惠金融可持续发展”。同时，伴随人工智能技术在多模态数据处理、智能决策辅助等领域的加速迭代，智能模型愈发成为消费信贷精细化、智能化风险管理的重要抓手，赋能金融机构精准触达长尾目标客群，巧妙破解消费信贷的可得性瓶颈。

在宏观政策与前沿技术双重利好的大背景下，公司构建并持续完善“杭银消金信用大脑BRAINS”智能风控体系，该体系以数据体系（Bigdata）为坚实底座、以风控策略（Risk Policy）为明确导向、以安全反欺诈（Antifraud）为重要保障、以智能模型（Intelligent Model）为核心驱动、以监控巡检（Navigator）为日常巡防、以数智产品（Systems）为有力载体，紧密协同、相互促进，持续深化普惠金融，积极推进 “扩内需促消费” 的国家战略，为公司业务高质量发展持续赋能。智能模型服务平台作为信用大脑体系的核心模块，发挥着关键风控驱动作用。平台以风险数据要素为根基，深度剖析客户风险特征，运用先进的数据挖掘技术与智能算法，全方位构建客户风险画像，全流程实施风控模型赋能，为更多征信稀薄、毕业刚就业等人群提供智能化、普惠化的金融服务。

（二）项目意义

通过构建智能模型平台，完善特征体系建设、健全模型监测机制、创新智能决策产品、自动响应业务变化，提升消费信贷风险管控的精细化、智能化、高响应水平，赋能消费信贷业务的稳健发展。

1.完善特征体系建设。深化特征工程建设，构建高区分度、强稳定性的特征管理体系，为模型训练和风控策略提供精细化的特征输入。同时，健全风控特征的全生命周期管理流程，涵盖特征需求评估、开发测试、版本部署、线上监控、效果评估及下线退出等环节。

2.健全模型监测机制。健全模型有效性及稳定性监测机制，有效监测模型区分度与分布稳定性，及时监测底层变量及数据的有效性。同时，采用滑动窗口技术追踪特征稳定性与流量漂移情况，进行实时敏感性分析及处置。

3.创新智能决策产品。基于自适应优化算法，将多模型融合技术与业务场景深度融合，打造模块化、标准化的智能决策产品。通过可视化和交互式的操作界面，简化策略开发难度，实现多元风控目标协同，提升风险决策效率与精准度。

4.自动响应业务波动。健全特征筛选、模型构建、报告生成、性能追踪等自动化建模功能，自动监测业务波动对模型性能的影响，及时响应业务流量变化，快速迭代风控模型，保障模型性能与业务需求的动态匹配。

二、创新点

（一）特征层

1.动态数据挖掘算法。公司创新性地融合了大数据挖掘与机器学习技术，深度挖掘历史查询数据的潜在价值，构建了基于动态时序分析的数据挖掘框架。当客户存在历史查询记录时，系统通过时间序列对当前查询数据与历史数据进行智能匹配，构建多维时序数据矩阵。在此基础上，采用先进的深度学习算法，对时序数据进行特征提取和模式识别，并结合自然语言处理技术对非结构化数据进行语义分析。通过这种多模态数据融合方法，能够及时捕捉客户多头借贷行为和逾期风险的动态变化趋势，构建具有时续性的动态客户画像，使风控体系具备了更强的风险预测能力和更优的模型泛化性能。该创新已获得《一种基于风控技术的动态数据挖掘方法及系统》的发明授权专利。

2.特征分级计算引擎。特征分级计算引擎以离线、在线混合计算为核心驱动力，深度集成分级特征计算能力，创新融合了离线大规模的算力优势与在线计算的实时响应能力，突破数据规模、数据处理时效及实时计算性能等多方面的技术壁垒，不仅支持常规的混合特征运算，还支持高维集合类混合特征运算和动态条件类混合特征运算。离线阶段，该引擎利用其强大的处理能力，对大规模的历史多元数据进行深度预计算，提前完成复杂且耗时的中间特征提取；在线阶段，基于离线阶段预计算得出的中间特征，仅需处理实时产生的小规模新数据，便可快速完成整个特征的计算，显著提升了特征计算的效率与精确度。

（二）模型层

1.构建风控领域大模型。公司借鉴“预训练&微调”大模型建模思路，构建风控领域的大模型预训练模块，并基于特定风控样本进行微调，不断提升特定客群的风险识别力。在人行征信敏感词筛选中，利用BERT预训练模型结合提示学习的方法，实现在样本较少情况下，有效完成了敏感词甄别的训练任务；在风控管理文档处理中，引入大语言模型和TF-IDF结合的有监督分析方法，提炼出有区分度及强解释的特征值，显著增强了风险识别效果。以上创新已提交《一种基于大语言模型提取文本有效可解释信息的风险识别方法》《一种基于Prompt BERT模型的人行征信报告敏感词识别方法及系统》专利。

2.构建拒绝客户处理机制。公司构建了拒绝客户处理机制，将拒绝客户的信息构成数据池，并与最新查询数据定期进行匹配。若匹配到拒绝时点后新查询的数据，基于逾期信息对拒绝客户风险标签进行标定，最终将标定好的拒绝客户用于风控模型训练。该机制有效改善了授信通过客户与授信申请客户之间的分布偏差，提升了风控模型的风险识别能力和决策置信度。该创新已提交《一种风控拒绝用户数据处理系统》专利。

（三）应用层

1.创新构建智能决策产品。该产品立足风控策略的开发本质，将风控策略的构建转化为全局优化问题，创新应用加权调和算法求解高维优化问题，实现多目标协同优化，逼近全局最优解。该产品还集成了风控策略自动化生成模块，实现无人工干预下的风控策略自动化生成及调优，将策略开发周期从传统数周级别缩短至小时级别，显著提升了策略开发效率与迭代速度。该创新已获得《一种风控策略自动化生成系统》的发明授权专利。

2. 引入多模态处理技术。公司引入大模型多模态处理技术，智能解析客户身份证件、银行流水、公积金等信息，持续建全客户信用风险评估体系，显著提升反欺诈识别和防范效能。其中，图像大模型运用计算机视觉技术，精准识别客户面部特征、表情及证件背景细节，通过生物特征比对、场景分析等，有效防范伪造证件和身份冒用风险。语音大模型通过分析通话录音的声纹特征和语义内容，辅助识别虚假陈述和身份欺诈风险。

三、项目技术方案

（一）功能架构

智能模型平台研发于公司自主风控实践，在实际业务中持续迭代优化。该平台采用分层架构设计，由特征层、模型层和应用层组成（详见图1），各层级协同作用，支持风控决策的智能化与高效化运作。

1.特征层。该层聚焦于风控特征的加工与全生命周期管理，基于人行征信、三方数据及自有数据等，衍生出上万维风控特征，通过流批融合计算与离在线一体化技术，支持实时、近线和离线等多元时效的风控决策计算任务。该平台开发了特征检索、特征词典及特征血缘追踪等功能，高效处理复杂特征的加工、上线、运行及监控等任务，实现对特征变量的系统化管控。

2.模型层。该层健全模型生命周期管理，覆盖模型开发、测试、部署、迭代及下线等环节，并基于自主研发的自动化建模工具，实现了模型从部署到上线的自动化管理，不仅提升了建模效率与迭代速度，还有效降低了人工干预带来的操作风险。该层还通过可视化的操作管理界面，使用户能够监控模型各阶段运行状态，确保模型运行平稳。

3.应用层。该层基于最优化算法、机器学习等技术，自主研发了智能决策产品，通过可视化、可交互的操作管理界面，大幅降低了风控策略开发门槛。用户只需简单配置风控目标和任务参数，即可生成接近最优解的策略规则组合。此外，创新开发了自动化模型融合、智能分箱等先进功能，支持多维度规则组合优化与实时效果评估，显著提升了风控决策效率及精准度。

图1：平台功能架构图

（二）技术架构

智能模型平台采用三级分层的技术架构，包括基础层、服务层、输出层（详见图2）。

图2：平台技术架构图

1.基础层。该层采用分布式存储系统，包括HDFS、HBase、MongoDB及图数据库等；具备分布式计算相关的基础能力框架，包括Flink、Spark等执行数据清洗、加工等操作。底层资源管理与调度能力由Yarn和K8s提供，确保计算任务的高效执行与资源优化。

2.服务层。该层整合多种机器学习框架，如Scikit-learn、XG Boost、Light GBM等，支持算法开发与模型训练。通过Ray、Spark MLlib等工具，实现大规模数据集的分布式训练。同时，利用Flink SQL、Flink Jar等框架，进行实时特征计算，满足实时数据处理需求。

3.输出层。该层提供多种数据输出方式，包括Kafka、数据库及Restful API等，支持流式与批处理数据的统一输出，确保数据的高效传输与集成。

（三）安全策略

公司高度重视安全防护，通过数据加密、访问控制等多重安全措施，全方位保护数据免受非法获取和篡改，确保系统运行安全稳定。针对模型平台部署方案，建立了完善的网络和数据安全技术保障体系，能够灵活应对不断变化的网络安全威胁，分析设备日志精准调整网络设备策略、安全设备策略以及主机策略等，实现动态安全防护。此外，通过定期开展漏洞扫描和修复工作，及时更新漏洞库，确保漏洞管理的时效性；借助自动化工具和流程，大幅提升漏洞修复的效率与准确性；同时，建立漏洞分级分类机制，明确各类漏洞的修复时效要求，进一步强化安全管控力度，为智能模型平台的稳定运行提供坚实保障。

四、项目过程管理

智能模型服务平台由公司建模中心提出需求，风险产品部负责需求确认及设计，科技部负责项目实施，涵盖需求分析、系统设计、方案评审、开发编码、系统测试、业务验收、上线运维、线上验证及后评价等全流程环节。项目实施采用迭代开发模式，主要分为三个阶段有序推进。

（一）需求分析及设计阶段

2023年1月至2024年12月，完成了项目需求分析设计工作。

（二）方案评审、编码及测试阶段

2023年1月至2024年12月，完成了项目方案评审、编码及测试。

（三）推广及应用阶段

2024年1月至2024年11月，主要完成项目研发、灰度及投产，并分四个阶段进行推广使用。第一阶段（2024年2月），完成了机器学习平台上线，支撑贷前、贷中、贷后各种业务场景下的风险模型的高效稳定运行。第二阶段（2024年3月），完成特征服务平台上线，承接决策引擎系统、机器学习平台等风控特征需求，实现高稳定、高并发、高可用、低时延的特征开发、计算和调用。第三阶段（2024年8月）完成了智能决策工具的投产使用，提供了基于LR融合、智能评级融合、统计指标的计算功能。第四阶段（2024年10月）完成了策略机器人的投产使用。

五、运营情况

智能模型服务平台参与公司消费信贷风控业务的全链路，涵盖贷前授信，贷中支用、调额、调价，贷后催收等环节。该平台通过机器学习平台、特征服务平台、智能决策产品三个核心子平台模块的协同运作，有效支持策略、模型、反欺诈、贷后等各风控职能部门有效运行。

（一）机器学习平台

该平台与决策引擎系统对接，支持一键部署与配置。上线以来，该平台已广泛应用于多个部门，能够快速响应业务各阶段的需求，包括新业务模式的冷启动支持、业务扩张时的风险敞口控制，以及行业竞争加剧时的精细化风险测算与管控。

（二）特征服务平台

该平台负责客户各类结构化、半结构化、非结构化特征的加工、管理与应用，为风险管理人员提供了统一的特征变量管理功能，支持高效检索、血缘探查及逻辑追溯，显著提升了特征复用率和新特征衍生效率。

（三）智能决策产品

该产品依托底层先进算法，基于简单定义目标并进行可视化配置，直接对最优化问题进行求解，实现了无需人工干预情况下的风控策略自动化生成，运行性能显著优于人工策略。

六、项目成效

智能模型平台投产以来，公司信用风险指标运行稳健，风控数字化能力不断提升，普惠服务能力不断完善，公司行业口碑持续向好。

（一）风险管控稳健有效

公司运用智能模型平台，积极准入优质客户，审慎实施客户分层管理，合理给予额度定价，持续优化信贷资产结构。截至2024年末，贷款余额512.41亿元，贷款不良率1.72%，拨备覆盖率274.51%，资本充足率14.45%，信贷资产质量及风险抵补能力均优于行业平均水平。

（二）风控数字化能力提升

公司将智能模型平台与金融科技深度融合，持续提升风控数字化水平。2024年末，衍生人行征信、三方数据、自有数据等特征变量36000余个，在线管理风控模型百余个，累计获得相关发明授权专利28项，公司发明专利授权数量在消费金融行业排名第二。

（三）普惠服务持续深化

基于智能模型平台，公司构建精细化客户风险画像，完善风险定价机制，给予客户更高额度及更低定价。2024年，累计服务新市民客户57.17万人，发放个人消费贷款40.71亿元；累计服务农户客群604.40万人，发放个人消费贷款477.83亿元；累计向77.75万人发放优惠贷款175.69亿元。

七、项目展望

（一）产品功能完善与平台性能升级

1.强化底层技术基石。公司将持续优化平台技术架构，模块化特征层、开发层及应用层，标准化各模块间接口规范，实现各模块的快速集成与横向扩展，有效降低集成与交互过程中的资源消耗，不断提升平台的算力水平、稳定性及高可用性，始终保障复杂业务场景下的高效运行。

2.提升产品操作体验。公司将不断优化平台操作界面，提供高度可视化且易于操作的交互工具，使用户能够便捷、高效地开展模型训练、部署及管理等操作。同时，建立完善的用户效果反馈机制，基于用户反馈结果持续迭代产品版本，提升产品操作体验。

3.完善产品操作指南。公司将尽快出台详尽的平台操作指南及最佳实践案例，定期对产品使用指南进行更新与完善；定期组织产品培训交流活动，帮助用户深入理解平台功能，提升用户对平台的使用效能。

（二）深入运用大模型与多模态处理技术

1.深入挖掘数据价值。公司将深入挖掘风控数据价值，引入前沿的自然语言处理技术，深化非结构化数据的解析能力，有效提升模型的综合决策能力，更好地应对复杂多变的数据环境。

2.强化模型训练能力。公司将进一步提升自动化建模对多模态数据的支持能力，实现从数据预处理、模型训练、评估到部署的全流程自动化，减少不必要的人工干预，大幅提升建模效率与模型性能。

3.提升风险决策水平。公司将拓宽多模态数据驱动的智能决策产品的运用覆盖面，提升风控策略的灵活性与精准度，实现更高效的风险工具管理与迭代，为业务稳健发展保驾护航。

（三）精准客户画像构建与消费提振助力

1.提升特征挖掘能力。公司将持续引入先进的机器学习算法，部署神经形态计算架构，提升特征工程的自动化程度，快速迭代风控衍生变量，为各类风险评估及决策场景提供量化支持。

2.精准构建客户画像。公司将强化开发层的模型个性化定制能力，利用自动化建模工具及时响应业务流量变化，动态更新客户风险画像，确保客户画像的精准性与时效性。

3.助力消费市场提振。公司将拓展智能决策工具与策略机器人的应用场景，合理设置消费贷款额度、期限及利率，优化信贷资源配置，增强消费金融服务的适配性和便利度，助力消费市场的提振升级。