跳到主要内容
文章WHITEHOLE

金融反欺诈的可解释:业务要的解释不是技术归因

反欺诈场景里的可解释,指的是能在事后说清一笔交易为何被判定为高风险,并且这份说明能被业务人员、客户与审计读懂。它要的不是特征重要性的技术图表,而是一条判定当时就留下、事后可复述、可复核、可归档的理由链

金融风控可解释性

反欺诈场景里的可解释,指的是能在事后说清一笔交易为何被判定为高风险,并且这份说明能被业务人员、客户与审计读懂。金融行业对这一点要求高,因为它来自两头:内部要能复核,外部要能应答

业务要的解释长什么样

技术意义上的解释(特征重要性、注意力权重)对风控人员价值有限,因为它无法被复述给客户,也无法被审计直接采信。业务真正需要的是三条

  • 命中了什么:是某条规则被触发,还是某类行为模式与历史欺诈样本相似。
  • 依据哪些事实:提到的每一个因素都要能落到真实字段上,而不是一个抽象维度。
  • 结论的确定性:是确定的事实性判断,还是概率性提示 —— 这两者在处置上的力度完全不同。

要记录哪些字段

可解释性不是事后补写的说明,而是判定当时就留下的记录。缺了这些字段,事后无论怎么解释都只是复述

  • 判定版本:模型或规则集的版本号与生效时间。
  • 触发依据:命中的规则条目,或影响最大的若干因素及其取值。
  • 处置链路:由系统自动阻断、转人工还是放行,以及接手人。
  • 复核结论:人工是否维持原判、推翻的原因是什么。

与审计的关系

审计关心的不是模型有多准,而是同一笔交易换个时间来看,能不能得到同样的解释。因此判定的可复现性比准确率更重要:同一份记录、同一版规则,应当能推导出同一个结论。做不到这一点,解释就只是叙述

边界:解释不等于自证

  • 系统给出的理由不能作为对客户的最终答复,对外表述需要经过合规确认。
  • 可解释性不能替代公平性审查,两者是不同的问题:前者说明为什么,后者检查是否系统性偏向某类客户。
  • 识别率高不等于可以放宽复核,高风险判定的处置仍需人工参与。

从判定到应答的链路

把可解释性理解为一段链路而不是一个功能,落地会清楚很多:判定时留下记录,处置时按记录行动,应答时沿记录复述。任何一环缺位,后面的环节都只能靠回忆补齐

  • 判定环节:同时产出结论与依据记录,两者存在同一处,不做二次整理。
  • 处置环节:处置动作与触发它的依据绑定,便于事后判断处置力度是否与风险等级相称。
  • 应答环节:投诉与问询按记录应答,需要改口径时改的是模板,而不是单条记录。
  • 复盘环节:定期抽看被推翻的判定,识别是规则过时还是阈值不当。

验收口径

  • 任意一笔被判定为高风险的交易,都能导出一条包含版本、依据与处置的记录。
  • 同版规则下同一笔交易的判定结果可复现。
  • 人工复核的维持与推翻都有记录,并能按原因分类统计。
  • 对外解释的模板由合规确认,系统不直接生成对客户的答复。

FAQ

常见问题

与这篇相关、并且被问得最多的几个问题

用了可解释模型是不是就满足要求了
不满足。关键不在模型类型,而在判定当时是否留下了可复现的依据记录;没有记录,可解释模型也只能事后复述
高识别率和可解释性冲突怎么办
常见做法是分工:用识别能力强的部分发现风险,再由可解释的部分给出可用于人工复核的理由,两条路径的输出都要留痕
客户提出异议时怎么处理
沿处置记录复核原判;对外答复的表述需经合规确认,这是流程问题而不是模型能自动完成的动作