.....................................36 58 同城风控平台演进...................................................................................... 59 度小满金融大数据风控模型实践........................................... 机器学习中的隐私保护................................................................................. 144 关系图谱在贝壳找房风控体系的应用与实践.............................................162 新一代联邦学习技术及应用实战........................... ..... 212 风控建模流程：以京东群体感知项目为例.................................................244 信贷业务风控策略简介................................................................................. 266 机器学习在信贷风控建模中的优势和挑战..

请务必阅读正文之后的免责声明及其项下所有内容 2025年02月22日 大鹏一日同风起，AI医疗启新篇 医疗AI专题报告（一）：制药篇 行业研究 · 专题报告 医药生物 证券研究报告 | 请务必阅读正文之后的免责声明及其项下所有内容 报告摘要 ◼ AI技术快速发展，医疗健康是AI技术最重要的应用领域。医疗健康产业正处于数字化转型与智能化升级的变革期，ARK Invest近期所发布的

中原银行实时风控体系建设实践 Construction practice of real-time risk control system of Zhongyuan bank 陈玉强 中原银行数据银行部 河南省唯一省级法人银行 贴心、专业、合作、共赢 服务战略、服务实体、服务企业、 服 务人民 • 蝉联六年《金融时报》 “年度十佳城市商业银行” ，相继荣获“铁马 十佳银行 ”、“最佳上市公司 挖掘边界客户，实现精准授信。 贷中风控 数据指标变化快，需要实现实时 化的再审核与放款。 贷后管理 贷后管理难度大，需要多种新技 术发现隐性风险，提高管控度。 操作风险 随着银行线上化能力的增强，操 作风险识别从预防人员不合规操 作转为线上流程漏洞和异常行为 识别等。 流动性风险 从线下的，面向审批的逐步转 向实时的智能决策。 银行数字化风控新挑战 授信 运营 实时化不 足 银行传统风控的痛点 数据流通受限 精准度不够 智能化 专家规则 + 机器学 习 平台化 实时化 全新的风控支撑体系建设思路 平台开放、架构融 合 高时效、高并发 建设 Flink 实时计算平台 ，首个应用上线； 商业决策系统已支撑 150+ 规则模型； 2020 Q2 应用 • 基于

技术已从销售助理、智能客户、核保核赔等多场 景赋能保险业务，预计随着数据与训练的积累，未来长期 AI 大模型有望向个 性化产品定价、核保核赔、风控减损等场景延伸，深度赋能全产业链。国内方 面，近年来，我国大型保险机构持续关注科技投入，AI 技术已广泛应用于前 端销售、定损理赔、风控减损等领域，但主要仍以理解式 AI 为主，生成式 AI 仍在探索中。AI 大模型可从产品研发、渠道营销、运营管理等各方位实现保 大模型的训练、推理和 部署的高效进行，且 AIGC 技术已有多场景落地，在 AI 大模型落地优势显著。 ❖ 众安在线：AIGC 探索较为积极，相关应用有望率先落地。众安保险长 期专注于科技能力建设，对内从风控+客户需求挖掘+承保理赔支持与降费等 方面赋能保险主业；对外，依托众安科技布局人工智能、大数据、云计算等前 沿技术，围绕三大标准化科技产品系列——业务增长系列、业务生产系列、业 务基建系列，以及 .................................................................................. 14 3.1.3 场景三：风控减损 ................................................................................................

期望获得实时响应的智能化服务，而目前仅有不到 30%的金融机 构能通过现有系统实现这一目标。 在风险控制领域，传统规则引擎对复杂欺诈模式的识别准确率 普遍低于 60% ，而基于大模型的智能风控系统可将准确率提升至 85%以上。例如，某国有银行试点数据显示，通过大模型分析非结 构化数据（如客户行为日志、社交媒体信息），其反洗钱预警效率 提升了 40% ，误报率降低 25%。 智能化转型目标 服务效率 人工处理耗时，响应延迟超过 30 分钟 实现 90%以上业务的实时自动化 处理 风险识别 依赖静态规则，新型风险漏报率超 40% 动态建模覆盖 95%以上的复杂风 险场景 个性化能力 标准化产品推荐转化率不足 15% 基于客户画像的精准推荐转化率 提升至 35% 从技术实现角度看，银行业务智能化需要突破以下关键能力： - 多模态数据处理：整合文本、语音、图像等非结构化数据，例如 小时在线服务可用性达 99.99%。 业务赋能方面重点实现三大突破：一是智能客服场景的深度优 化，通过多轮对话系统处理 80%以上的常规业务咨询，人工坐席 转 接率降低至 15%以下；二是风险管控能力的强化，建立基于大 模型 的实时交易监测系统，异常交易识别效率提升 40%，误报率 控制在 0.5%以内；三是业务流程自动化改造，实现贷款申请、票 据处理等 15 类高频业务的智能审批，平均处理时效从

30 分钟 - 风险管控滞后：车险骗保识别依赖人工审核，误判率高达 18% - 个性化服务缺失：标准化的产品推荐匹配度不足，转化率低于 12% - 运营成本高企：培训新人代理平均投入超 2.3 万元/ 人， ROI 周期 长达 9 个月 技术层面，现有系统存在明显短板：核心业务系统平均年龄达 7.5 年，API 响应延迟超过 800ms，无法支撑实时风控需求。某头 部寿险公司测试数据显示，传统 企业存在 6-8 个独立 业务系统，数据互通需通过中间表手动同步。例如某头部寿险公司 的精算系统与 CRM 系统间存在 17%的数据偏差率，直接导致核保 决策失误率增加 2.3 个百分点。 风控能力滞后 反欺诈依赖规则引擎的静态阈值设定，无法动态识别新型骗保模 式。车险领域约 23%的欺诈案件（中国保险行业协会 2022 年报 告）因缺乏智能分析手段未能及时拦截，每年造成行业损失超 80 高昂；②异构数据源整合困难；③实时决策能力不足。 第三，监管科技（RegTech）要求倒逼升级。银保监办发 〔2022〕40 ” 号文明确要求 2025 年前完成关键业务环节智能化监 ” 控全覆盖 ，但行业现状显示：①反欺诈识别准确率普遍低于 65%；②合规审查自动化率不足 20%；③监管报送数据错误率高达 8.7%。 为量化转型需求优先级，我们对头部险企的调研结果显示以下 关键指标差距：

服务商。公司成立于 1998 年， 作为我国最早一批专业从事金融业软件开发及 IT 服务的企业，经 过多年经营和沉淀，公司积累了一批以银行业为主，涉及保险、证 券、基金、信托、融资租赁等行业的优质客户，信贷及风控管理系 统、核心业务系统、CRM 及 ECIF 等解决方案均具有较强市场竞争 力和较高市场占有率。 绑定蚂蚁，探索银行 AI 应用落地。2025 年 9 月 1 日，公司受邀参 加蚂蚁数科生态伙伴 及系统集成服务。公司成立于 1998 年，作为我国最早一批专业从事金融业 软件开发及 IT 服务的企业，经过多年经营和沉淀，公司积累了一批以银行 业为主，涉及保险、证券、基金、信托、融资租赁等行业的优质客户，信贷 及风控管理系统、核心业务系统、CRM 及 ECIF 等解决方案均具有较强市 场竞争力和较高市场占有率。 高伟达(300465) 请务必阅读正文之后的免责条款部分 6 of 推进与蚂蚁合作，聚焦银行信贷场景 AI 应用。2025 年 9 月 1 日，公司受 邀参加蚂蚁数科生态伙伴 AI 智能业务交流闭门会，会上重点探讨了银行 AI 流量运营、银行贷后解决方案、银行风控 Agent 产品解决方案、反欺诈体系 构建、大模型场景实践与安全防御等银行业 AI 应用核心场景。公司就银行 AI 应用市场新的合作方向与蚂蚁数科达成初步共识，公司将吸纳蚂蚁数科 在 AI 技术研发

报告编号：XXXXXXXXXXX-XXXXX-XX-XXXX-XX 【2025 版】 等级测评结论 【填写说明：除填写测评结论外， 还需加盖测评机构单位公章或等级 测评业务专用章】 重 大 风 险 隐 患数量 等级测评结论 IV 报告编号：XXXXXXXXXXX-XXXXX-XX-XXXX-XX 【2025 版】 重大风险隐患及整改建议 【填写说明：描述被测对象存在的全部重大风险隐患，并提出整改建议，整改 区分处置的能力。 数据溯源 m)应跟踪和记录数据采集、处理、分析和挖掘等过程，保证 溯源数据能重现相应过程，溯源数据满足合规审计要求。 资源管理 c)大数据平台应为大数据应用提供集中管控其计算和存储资 源使用状况的能力； e)大数据平台应屏蔽计算、内存、存储资源故障，保障业务 正常运行。 大数据平台等级测评结论 大数据平台重大风险 隐患情况 等级测评结论扩展表（大数据安全） 备、安全设备、服务器、终端、系统管理软件/平台和业务应用系统等所涉及的 鉴别数据和重要配置数据分别在对应测评对象中汇总测评证据，包括数据完整 性、数据保密性和数据备份恢复。重要审计数据在安全管理中心-集中管控进行 汇总测评证据，包括数据完整性。】 3.4.6.1 已有安全控制措施汇总分析 3.4.6.2 主要安全问题汇总分析 正文 第 11 页 共 661451 页 报告编号：XXXXXXXXXXX-XXXXX-XX-XXXX-XX

实施该方案将重构理赔价值链：前端通过 OCR+语音识别实现 7×24 小时无间断受理，中台依托知识图谱构建涵盖 3000+医疗条 款、5000+事故场景的决策树，后台通过联邦学习在数据隔离前提 下实现跨机构风控模型协同进化。预计全面部署后，保险公司综合 赔付率可下降 3-5 个百分点，同时将小额案件自动化率提升至 85% 以上，为行业数字化转型提供可复用的技术范式。 2. 项目背景与需求分析 当前 10%-15%的复核成本。 成本构成项 占比区间 典型场景示例 基础人力成本 25%- 30% 核赔员薪资、社保等固定支出 高峰时段附加成 本 8%-12% 临时工雇佣、加班费及应急培训 质量管控成本 5%-8% 抽样复检、争议案件二次处理 错误决策衍生成 本 2%-5% 超额赔付、诉讼调解等后续支出 通过引入 DeepSeek 大模型技术，可针对性解决上述问题：基 于 NLP 的智能单证审核模块能自动完成 30%的运营人力，OCR 识别错误引发的重复作业占比达 15%。 关键技术需求可归纳为： 1. 多模态数据处理能力：需同时解 析医疗报告、事故照片、维修清单等 12 类以上材料 2. 动态风控模 型：要求欺诈识别模型每周可迭代，对抗进化中的欺诈手段 3. 可 解释性输出：每个理赔结论需生成包含 5 个以上判断维度的解释报 告 4. 系统响应速度：从材料上传到初步结论生成需控制在

执行”闭环 AI 实体，以实时数据为感知输入，依托动态知识图谱与强化引擎，实现毫秒级复杂任务自 主 拆解与策略进化。 在金融领域， AI Agent 核心价值显著：通过端到端自动化、实时风控、持续学习优化，打破传统流程壁垒，释放效率红利；以低成本、自动化 服 务触达边缘群体，推动 AI-native 金融产品创新，重构金融服务普惠性。同时，通过融合“业务组织能力”“科技实施能力”，借助工程化治理， 智能规划与复杂任务执行 持续学习与自我优化 降低金融服务门槛和成本 效率生产力提升 智能水平深化 客户 体验增强 业务模式创新 风控合规强化 战略 业务驱动和科技引领的关系 业务 客户经营和安全合规的关系 科技 自主研发和生态共建的关系 组织 人机协同和岗位重构的关系 落地 持续学习进化”能力，在垂直场景实现突破 —— 银行风控全流程自动化打破信息壁垒，证券 投研决策实时穿透数据迷雾，保险产品借智能触达长尾用户 。 另一方面，依托通用场景释放人力，推动服务体验从 “流程驱动” 转向 “供需适配”。其本质是以 “效率提级（降本） + 能力扩容（增效） + 模式创新（破界）” 三重推力，打破传统金融服务的供需壁垒，重构 “智能普惠、动态风控、高效运营” 新范式，成为撬动万亿金融市