多模态大模型赋能风控,海尔消费金融创新完善活体照欺诈检测新体系

在金融科技高速发展的背景下，活体照作为反映客户实时状态的关键数据，其蕴含的风险信息挖掘一直是行业难题。海尔消费金融(简称“海尔消金”)创新引入多模态大模型，并使用大小模型协同机制，充分发挥大小模型的专业能力，构建了一套完整的活体照欺诈防控体系，能够更加精准地识别和防范风险。

技术瓶颈催生创新需求。传统风控模式中，活体照图像特征表征困难、模型训练周期长，且依赖人工抽检，导致大量风险信息漏损，难以适应快速变化的欺诈手段。同时，监管对金融机构风控精准度要求日益严格，推动行业寻求数字化技术突破。

海尔消金通过将多模态大模型应用于活体照欺诈检测和跨模态表征，不仅能够检测常见的欺诈特征，还能对活体照进行深入风险分析，大大提高了风险检测的维度和防范水平。同时，在风控场景缺少高质量样本的情况下，多模态大模型能够快速验证效果，极大提升了建模的效率，降低了建模成本和周期。

其还创造性地将大模型输出的embedding向量与传统的机器学习模型相结合，在深度特征提取的基础上，引入了业务可解释高的小模型。在提高模型识别精度的同时，保证业务的可解释性和合规安全性。

系统上线后，通过多模态大模型与小模型的协同运作，海尔消费金融已成功识别6个欺诈团伙。