互联网金融的安全与征信问题研究

近年来，我国社会经济呈现了迅猛的发展势态。与此同时，我国互联网也较为快速地发展起来。而随着互联网金融的快速发展，金融活动的形式及内容更加丰富起来。但是，互联网金融存在虚拟化与电子化等特点，这些特点均会带来不同程度的金融安全问题。对于金融安全问题来说，主要体现网络系统安全风险、金融业务运作风险以及征信问题等。以下主要就对互联网金融的安全与征信问题进行分析和探讨。

一、互联网金融的内涵

互联网金融可定义为在电子商务迅猛发展的大环境催生下，以互联网为平台依托，以第三方支付、金融中介、信用评价、线上投资理财、金融电子商务等为主要表现形式，将我们认定的传统金融业与体现“开放、平等、协作、分享”精神的互联网技术相结合而成的一种新兴金融。它是建立在以实现安全、移动、无线、便携等网络技术基础上，并结合互联网的云计算和物联网技术，分析并挖掘出其蕴含的金融大数据，带给用户良好使用体验，从而被大众熟悉且乐于接受，为适应这种新的金融需求，产生出来的新型金融模式及新业务。

二、互联网金融征信体系的建设现状

（一）法律法规方面

2002年3月，国务院成立企业和个人征信体系专题小组起草《征信管理条例》，重点明确征信数据的采集和应用、征信机构的市场准人和征信机构的操作规则等。2013年3月15日，《征信业管理条例》正式出台，解决了征信业发展中无法可依的问题，对管理征信市场，规范征信机构、信息提供者和信息使用者的行为，保护信息主体权益有重要意义。我国许多地方政府为指导和规范当地的信用体系建设，也出台许多地方性法规。

目前，我国互联网金融征信系统尚未健全，也没有专门针对于互联网金融的相关法律法规。P2P、电商小额贷款机构等新型信贷平台的信贷数据，以及互联网金融的信用信息采纳仍需跟进，现有信用数据主要来源并服务于传统意义上的信贷机构。当前我国征信体系建设的基础性制度环境不够完善，社会信任基础和法治基础仍然较为薄弱，因此推进征信体系建设，不断健全信用征信体系，建立完善的风险评估机制具有很大的必要性。

（二）数据征集方面

与欧美发达国家相比，中国征信体系滞后很多年，截至目前也只有20多年的历史。随着互联网金融的兴起，互联网企业、金融机构也不断开展征信业务。第一类是电子商务公司组建的征信机构，依托自身电子商务平台和支付渠道，建成覆盖面广的信用信息数据库，开展小额贷款、网络联保贷款和网络理财等业务，例如阿里金融。第二类是金融机构拓展业务成立征信机构，征集银行信贷记录以及其他公共部门提供的信用信息等，成为挖掘金融数据的中介，如平安集团下属的P2P平台陆金所。第三类是第三方公司利用共享平台，为会员机构提供信息查询及征信报告，如北京安融惠众、上海资信等私营征信机构。

三、征信问题研究

（一）完善征信法律体系

征信的相关管理没有健全的法律监督，企业和个人的征信都直接涉及到隐私或商业机密等敏感的问题，需要依靠法律的约束才能保证征信体系更安全、更优质的提供保障服务。我国的征信立法工作应该考虑到以下几点：第一，要加快征信数据的公开透明化，不能依旧延续政府部门对信用信息完全垄断的做法，要公开并且共享征信数据，降低征信机构资源成本；第二，要尽快完善保护隐私权的立法，不仅要对个人或企业进行隐私保护，还要令征信机构采集录入信息时做到有法可依；第三，加强约束能力和规范力度，通过失信惩戒制度和信息披露制度对不守信的个人或机构进行严惩，让违法违纪行为的个人或机构付出代价。

（二）明确征信核心，加强隐私保护

征信业始终绕不开的两大核心问题是公共信息的公开问题和对个人隐私的保护问题。隐私保护方面，在传统的模式下，借款人让渡了一些个人隐私，主要是借款还钱的信息，换来了公平信贷交易的机会，在长期的过程中形成了一个基本平等的交易模式。但在大数据的征信模式下，很容易打破让渡隐私和获得信贷之间的平等交换模式。为此，我们应当学习欧洲个人数据保护立法实践中的经验，“技术可行并非是道德的，大数据意味着更重的责任”，世界各国要立即行动起来，加强隐私保护的力度。

（三）完善数据库，提高数据质量

大数据背景下的金融征信，数据是基石，没有数据，征信无从谈起。主管部门应该引导各征信主体推进征信系统数据保障工作，构建全方位的数据保障机制。具体措施有优化接口程序，减少数据转换过程中出现的数据差异；加强对金融机构信用信息数据的两端核对，将两端核对和定点监测相结合；完善企业和个人征信数据量化考核及量化评分机制；建立完善对银行业金融机构征信数据质量工作的通报考核机制，充分调动银行业金融机构做好征信数据质量工作的积极性，推动信用信息系统数据质量稳步提升。

（四）有效利用数据，强化风险控制

首先，征信机构应该把握好信息的采集。一方面，收集放贷机构等无论怎么努力也得不到的信息；另一方面，收集放贷机构等可以采集但是成本较高的信息，如法院判决信息。继而，征信机构应该做好大数据技术的有效利用，针对不同借款人的风险水平构建预测模型。其次，是有效利用数据进行风险控制。传统意义上的风控，主要是利用信用信息、财产信息来预测违约。然而目前，风险控制工作应该借助信息技术进行各种创新性尝试。例如，可以将借款人手机的被叫时长、朋友圈的信息和是否违约建立联系，将这些变量作为预测变量入模分析。在大数据的基础之上，有效利用模型工具来预测和防范风险。

四、结语

在互联网环境下，金融业务的信用风险和流动性风险都很大，因为网络环境所不带来的市场风险和金融风险和传统的金融风险相比，危害更大。所以在此基础上，相关的金融工作者应该认识到金融风险的危害以及征信问题，相关金融网络服务者利用当前的网络特点，构建更加安全的网络交易平台和征信平台。