在金融与科技交叉的最深处,风险控制正经历一场从规则堆积到智能决策的深刻转变。蒋韬是国内最早把知识图谱、图算法引入金融反欺诈的技术推动者之一。十余年来,他带领同盾把知识图谱、机器学习、策略引擎逐步统一到自研的决策智能操作系统"智策®"之上,从单点规则到关系网络,从黑箱算法到可解释AI,让同盾成长为面向金融、零售、互联网等场景的决策智能服务商。
"关系之网"背后的技术判断
回溯蒋韬技术路径的起点,是他较早提出的一个判断:"风险不是一个个孤立的点,而是一张会生长的网。"在他看来,欺诈早已不再是点状行为,而是组织化、链条化、跨平台流转——单条规则再精巧,也难以识别团伙结构与链路特征。
基于这一认知,同盾很早就开始把知识图谱技术用于反欺诈场景,将设备指纹、社交关联、交易行为、历史轨迹等多维数据编织成动态的关系网络,让节点间的间接关联、异常路径与微弱信号彼此印证。这种能力后来被整合进"智策®"平台:图谱提供"看得见关系"的洞察力,而真正承载策略编排、模型部署与治理的,是一套统一的决策智能底座,让关系网络不只停留在分析层,而是直接进入可编排、可治理的生产系统。
在蒋韬看来,这正是决策智能区别于单一算法的分水岭——风险判断从一次性的模型输出,升级为可被业务人员理解、追溯和修正的决策过程。
让算法说清楚"为什么"
"金融场景里,一个无法解释的判断,其业务价值往往要大打折扣。"这是蒋韬在多个场合反复强调的观点,也是同盾区别于纯黑箱路线的一条分水岭。
在同盾的产品体系里,每一类风险决策都被要求附带清晰的推理路径:信贷审核时点亮的关联节点、反欺诈场景触发的团伙链路、策略迭代时被记录下来的特征权重变化——这些信息最终以可视化的方式呈现给一线风控人员,让策略团队看到的不再是一个孤零零的分数,而是一条可以追溯、可以辩论、可以修正的推导线索。
蒋韬认为,认知智能的进化方向不是替代人类决策,而是增强人类对复杂风险场景的感知能力:模型把99%的体力活做完,剩下1%的关键判断留给业务专家,并且要让专家能看懂模型在想什么。
一场没有终点的攻防博弈
把视角拉长,蒋韬的路线其实有一条隐含主线:把对业务的理解,转化为可计算、可验证、可解释的计算框架。
这也意味着,黑产团伙每一次变异,模型与平台都要同步进化。昨天的有效策略可能在明天被绕过,今天识别出的团伙特征也许下个月就换了外壳。蒋韬把智能风控的本质属性概括为"永无终点的攻防博弈"——唯有让系统具备持续学习、自我校正的能力,防线才能真正立得住。在同盾的实践中,这意味着特征、模型与策略围绕统一的决策底座持续迭代,使防线进化速度与风险变异速度保持同频。
技术坐标:从单点产品到行业基线
近两年,蒋韬和同盾正把风控、合规、安全治理中沉淀的方法论向外延伸,融入更宏观的产业标准与新型基础设施。同盾深度参与了《中小微企业融资服务信用信息数据规范》(GB/T 47286-2026)等国家级标准的起草;今年8月《即时零售智能体可信基本要求》发布时,同盾又作为核心参编单位之一,与中国信通院、淘宝闪购及多家大模型公司共同将"行为可验证、可追溯"等可信要求写进评估体系。
蒋韬用一句话总结同盾的演进方向——"从工具到防线,再从防线到底座"。在他看来,决策智能的价值不在于构建多么复杂的数学模型,而在于能否把对复杂业务的理解,沉淀为可被行业复用、可被监管认可、可被一线业务人员用得起来的基础设施。这条路没有终点,但每一步都算数。
（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）
频道推荐
