近期，工（gōng）行在“融安（ān）控”框架下研发投产了“违规（guī）风险智能识别系（xì）统（VIS）”，着力破解传统风验监测模（mó）式下信息展现碎片化，风险识别精准度不足（zú）、模型适应性（xìng）不强、风险揭（jiē）示不够（gòu）全面深入（rù）的局限，更加有效地揭示和（hé）防（fáng）控内部案件和重大业（yè）务（wù）风险（xiǎn）隐（yǐn）患（huàn）。

  据介（jiè）绍（shào），该（gāi）系统（tǒng）通过整合与重构数据（jù）信息，逐（zhú）步实现风险信息展现的（de）“全景化”，以“风险冲击”（动能（néng））“风（fēng）险变化趋”（势能）的数据结构为（wéi）体，实现从交易异常、操（cāo）作违规、资产异动（dòng）、负债（zhài）异变、处罚惩戒、营销异常（cháng）、反洗线（xiàn）等分析角度，完整（zhěng）展现人员（yuán）各类风险信息，初步构建了统一的人员风险画像和（hé）风险（xiǎn）数据建（jiàn）模（mó）。

  同时，通过特征萃取与关联（lián）分析，逐步实现风险模型监测的“场景（jǐng）化”。收集专项检查、客户投诉、业务运营等风（fēng）险（xiǎn）数据（jù）信息（xī），解析提炼出113类风险场景（jǐng）特征，构建（jiàn）了“风（fēng）险场景”特征库（kù）。

  此外，通过机器学习与（yǔ）风险推（tuī）演，实现人机协作“智能（néng）化”。采用“机器学（xué）习”算法，引入智能调（diào）节模型权重机制、风险热点引（yǐn）导机（jī）制、风险调校机制，利用ITPR算法对系统风险偏好进行引导，将已确认的（de）风（fēng）险问题进行收集（jí），组成“黑样本（běn）”特征库，并（bìng）建设“风险（xiǎn）推演（yǎn）实验室”，利用（yòng）机器学习相关（guān）算法对风险数据结果反向学习，不（bú）断调校风险（xiǎn）重要性参数，提升分析认（rèn）知和风（fēng）险（xiǎn）预判（pàn）能力（lì）。