在大规模互联网金融服务的实现过程中，为了效率和可扩展性，用户在没有面对面授信的过程中就可以得到上千至十几万元的资金或服务，这就造成了欺诈的泛滥，而且因为暴利的存在，黑色产业链的欺诈套路非常完善。

金融科技公司是怎样用大数据和机器学习来降低欺诈风险，在不影响用户体验的情况下，提升黑产的欺诈成本？在面对欺诈样本极少、样本极度不平衡以及标注成本很高的前提下，如何使用主动学习（Active Learning）技术解决识别欺诈用户的模型训练难题？随着信贷黑产的猖獗发展，团伙欺诈、黑产中介、代办包装等恶意骗贷的预防场景越来越关键，如何利用金融知识图谱和图谱挖掘技术识别欺诈团伙、黑产中介，做到提前预防？

本次演讲将带你探索主动学习、图谱挖掘等技术在金融科技公司反欺诈方面的应用，深入讨论Active Learning在反欺诈场景下的挑战与收益，以及一些实际反欺诈案例。

听众受益

1. 了解Active Learning是什么；
2. 了解Active Learning在反欺诈场景下的挑战与收益；
3. 了解AI技术驱动下的反欺诈实践。