在金融科技行业被频繁质疑之时，这家公司做对

几百个年轻人，抱着赚一笔的想法，陆续在一个门店前，开始上传自己的身份信息，填写资料和刷脸。组织者告诉他们，他们得到贷款后，转给组织方，然后会得到提成，贷款会由组织方在资金周转之后还上，他们只需要提交资料验证通过，不需要任何代价，而之前已经来过的年轻人，告诉身边的熟人，的确，他们借的贷款已经被还上了。

不过他们不清楚的是，这一波的几百人，是最后的一批，短租的房子即将到期，组织者已经做好了跑路的准备，没有还贷款的必要了。

这样的中介诈骗，在史红哲看来并不新鲜，却也不好防御。网络借贷公司针对欺诈风险的手段，常见的是黑名单和专家规则，黑名单包括抓取自互联网的失信记录，外部获取的黑名单和自身的信贷记录，而专家规则是反欺诈专家的经验集合，不过，对于之前并不存在不良记录的「素人」，和针对性设计的「套路」，这些手段很容易失效。

乐信也曾经被这些问题困扰，这家 2013 年成立的公司，最初的授信审核还依赖地推人员的人工，2015 年时，负责批单和催收的风控团队，主要依靠专家规则，因欺诈而造成的不良资产曾高达几千万。现在，营收增长了数倍，这个数字却成倍下降。转变来自于人工智能的大规模应用，理论上，欺诈团伙不会只做一次就收手，那么连续作案的订单，在交易时间、地点、金额、行为序列等信息上一定存在某种特征。以往的积累的欺诈订单和交易，被乐信作为样本，用于 AI 模型的机器学习，在之后的机器审核中就可以将存在相应特征的订单筛选出。

对更进一步的欺诈手段，如果从单个订单完全看不出风险，那么就会对其「复杂网络」进行判断，乐信积累了超过一千多万的黑名单，以及更多的「灰名单」，形成了约有 5 亿个结点的复杂网络，每个节点可能是一名用户、一个 WiFi，或一部手机，史红哲用网络搜索引擎里 PageRank（网页排名）的概念作为类比，某个用户通过不同的节点，与黑、灰名单用户的连接越多，就意味着这个用户的风险越大，直到被机器自动拒绝。

乐信风控系统复杂网络的操作界面 | 图片来源：乐信

目前乐信每天会收到超过 100 万数量的订单，正是依靠大数据和人工智能技术，才可以在低风险的前提下，自动处理超过 98% 的订单。从绝对数量上来看，过去一年乐信规避了 2000 余起欺诈案件，平均月拦截金额约 3000 万。

乐信的这些变化，离不开从创业之初就对技术的不断投入，而现在研发人员超过三分之一的占比，也让这家金融科技公司的技术实力稳步提升。 

2017 年 2 月，为了进一步提升乐信的金融科技水平，史红哲作为副总裁和技术负责人加入了乐信公司，乐信创始人肖文杰让人津津乐道的故事，是他大学毕业后花了两年时间，矢志不渝地要进入腾讯，并在 25 岁时如愿以偿，工号在 5000 之内。而史红哲进入腾讯的时间要早得多，他是腾讯的 74 号员工，之后又先后在百度和顺丰金融工作。当猎头最初找到他的时候，史红哲并没有太当回事，但之后他去了解乐信的时候，却发现不少腾讯的前同事，交流之后，乐信的氛围和工作方式，让他感觉熟悉而亲切，双方就「对上路」了。

乐信副总裁 史红哲 | 图片来源：乐信

虽然从事技术，但史红哲很看好金融行业，从百度离职去顺丰金融的时候，他就预感未来移动互联网技术，一定会切入到金融领域，而从分期乐商城起家的乐信，在用户体验和数字化的步伐上还要更进一步。但另一方面，仅用 4 年就完成上市，快速增长的同时，乐信的技术体系也有历史遗留的隐患。

在发展早期，乐信的研发人员一度严重不足，有限的技术资源用于支持业务快速发展，基础的系统架构优化就会有些落后，而每当电商大促日来临时，庞大的流量会猛烈冲击系统的稳定性，甚至冲垮容量的峰值。史红哲入职第一个周的时候，就赶上了一次电商大促，在会议室，高管们凑在一起，看着大屏投影上交易金额的动态显示，可刚上线两分钟，随着峰值快速到来，系统就崩掉了，所有人面面相觑——此时距上次大促扩容还没几个月，增长远超了预期。「这是我第一次参加大促，我就想，我的事情来了，我的压力可能也来了。」史红哲说。