近期，工（gōng）行在“融安（ān）控（kòng）”框架下（xià）研发投产了“违规风险智（zhì）能识别系统（VIS）”，着（zhe）力破解传（chuán）统风验监测模式下信息展现碎片化，风险识别精（jīng）准度不足、模型适应性不（bú）强、风险（xiǎn）揭示不够全面深入的局限，更加有效地揭示和防控内部（bù）案件和（hé）重大业务风险隐患。

  据（jù）介绍（shào），该系统通过（guò）整合与重构数据信息，逐步（bù）实现风险信息展现（xiàn）的“全（quán）景化”，以“风（fēng）险冲击（jī）”（动能）“风险（xiǎn）变（biàn）化趋”（势能）的数据结构为体，实现从（cóng）交易异常、操作违规（guī）、资产异（yì）动、负债（zhài）异变、处罚惩戒（jiè）、营销异（yì）常（cháng）、反洗线等分析角度，完整（zhěng）展现人（rén）员各类（lèi）风险信息（xī），初（chū）步构建了统一的人员风险画像和风险数据建模。

  同（tóng）时，通过特征萃（cuì）取与关（guān）联分析，逐步实现风险模型监测的“场景化（huà）”。收集专项检查、客户投诉、业务运营等风险数据信（xìn）息，解析提炼出113类（lèi）风险场景特征，构建（jiàn）了“风险（xiǎn）场（chǎng）景（jǐng）”特征库。

  此外，通（tōng）过机器学习与风险推（tuī）演，实现人机协作“智能（néng）化”。采用“机器学习”算法，引入智能调节模（mó）型权（quán）重机制、风险热点引（yǐn）导机制、风险调校机制（zhì），利用ITPR算法对系统（tǒng）风（fēng）险偏好进行引导（dǎo），将已确认的风（fēng）险（xiǎn）问题进行（háng）收集，组成“黑（hēi）样本”特征库，并建（jiàn）设“风险推（tuī）演（yǎn）实验室”，利用机（jī）器（qì）学（xué）习（xí）相关算法对风险数据（jù）结果反向（xiàng）学习，不断（duàn）调（diào）校风险重要性参数，提升分析（xī）认知和风险预（yù）判能力。