源于賬戶(hù)安適，發(fā)于技術(shù)創(chuàng)新，看似神秘又關(guān)乎你我生活，一窺過(guò)往，是為了更好地探索前行。上周我們介紹了交易監(jiān)控及反欺詐的前世篇，今天讓我們一起走進(jìn)這個(gè)朝陽(yáng)產(chǎn)業(yè)的現(xiàn)世今生。
交易監(jiān)控及反欺詐是一個(gè)復(fù)雜而棘手的問(wèn)題，我國(guó)金融機(jī)構(gòu)內(nèi)部各條業(yè)務(wù)系統(tǒng)以自建風(fēng)控模塊為主，導(dǎo)致風(fēng)險(xiǎn)數(shù)據(jù)匯聚碰撞效果弱，運(yùn)維成本高;反欺詐辦法以重的信息安適防范手段為主，偶有數(shù)據(jù)分析類(lèi)的防范手段但以事后控制為主;同時(shí)，多業(yè)務(wù)渠道匯聚成海量的歷史數(shù)據(jù)池與高并發(fā)的拜候數(shù)據(jù)流，對(duì)其進(jìn)行實(shí)時(shí)分析是技術(shù)難題;此外，黑產(chǎn)的攻擊手段瞬息萬(wàn)變，防范規(guī)則策略需要靈活快捷。
為了打擊和阻止交易欺詐，金融機(jī)構(gòu)可謂絞盡腦汁。正因交易欺詐行為模式和特征多樣化，同時(shí)與正常交易模式有較大的重疊區(qū)域，導(dǎo)致對(duì)其準(zhǔn)確檢測(cè)的復(fù)雜度極高。
而這一切加速了創(chuàng)新技術(shù)的研發(fā)和應(yīng)用。
流式大數(shù)據(jù)技術(shù)
由于數(shù)據(jù)庫(kù)技術(shù)自己的限制，上一代交易反欺詐系統(tǒng)無(wú)法做到實(shí)時(shí)反欺詐。在基于數(shù)據(jù)庫(kù)技術(shù)做預(yù)處理的情況下，結(jié)合內(nèi)存數(shù)據(jù)庫(kù)，最多做到準(zhǔn)實(shí)時(shí)風(fēng)控。
流式大數(shù)據(jù)處理技術(shù)的出現(xiàn)，，突破性地解決了計(jì)算瓶頸的問(wèn)題，使風(fēng)控系統(tǒng)對(duì)海量數(shù)據(jù)和復(fù)雜算法下的處理效率，滿(mǎn)足事中風(fēng)控的要求，也就是風(fēng)控系統(tǒng)的響應(yīng)時(shí)間滿(mǎn)足99.9%的交易在100ms內(nèi);
與數(shù)據(jù)庫(kù)技術(shù)的根本區(qū)別在于，流式大數(shù)據(jù)技術(shù)的計(jì)算是邏輯先行，即先定義計(jì)算邏輯，當(dāng)數(shù)據(jù)流過(guò)時(shí)實(shí)時(shí)計(jì)算并保存計(jì)算結(jié)果，當(dāng)需要使用數(shù)據(jù)時(shí)，直接調(diào)用計(jì)算結(jié)果即可，無(wú)需再次計(jì)算。流式大數(shù)據(jù)技術(shù)可廣泛應(yīng)用于對(duì)數(shù)據(jù)處理時(shí)效性要求較高的場(chǎng)景，實(shí)時(shí)交易反欺詐是最適合的場(chǎng)景之一。
在流式大數(shù)據(jù)領(lǐng)域，主要有IBM、SAS、SAP等國(guó)外廠商為代表，但其處理性能較慢，用于準(zhǔn)實(shí)時(shí)的數(shù)據(jù)分析處理，總體應(yīng)用成本在千萬(wàn)美金級(jí)。但對(duì)國(guó)內(nèi)金融機(jī)構(gòu)來(lái)說(shuō)，存在“水土不平”的可能。
國(guó)內(nèi)以邦盛科技為代表，其自主研發(fā)的流式大數(shù)據(jù)實(shí)時(shí)處理技術(shù)“流立方”，具有強(qiáng)勁競(jìng)爭(zhēng)力，產(chǎn)品性能是國(guó)外主流產(chǎn)品的 10 倍以上。目前集群吞吐量少量節(jié)點(diǎn)即可達(dá)百萬(wàn)筆每秒，平均延時(shí) 1 毫秒，打破了中國(guó)金融領(lǐng)域數(shù)據(jù)處理瓶頸，不但處理速度快，所需硬件、開(kāi)發(fā)、運(yùn)維成本較低。
智能決策引擎
風(fēng)險(xiǎn)決策引擎主要作用是實(shí)時(shí)對(duì)交易進(jìn)行風(fēng)險(xiǎn)判斷，上一代風(fēng)控系統(tǒng)的決策引擎主要是基于專(zhuān)家規(guī)則實(shí)現(xiàn)。專(zhuān)家規(guī)則一般是專(zhuān)家通過(guò)長(zhǎng)時(shí)間的經(jīng)驗(yàn)積累和對(duì)黑產(chǎn)的深刻洞察而編寫(xiě)的，其優(yōu)點(diǎn)是可解釋性強(qiáng)，針對(duì)性強(qiáng)。缺點(diǎn)是無(wú)法對(duì)未知的風(fēng)險(xiǎn)進(jìn)行識(shí)別，準(zhǔn)確率/覆蓋率在必然程度無(wú)法提升。
近年來(lái)，隨著AI崛起，機(jī)器學(xué)習(xí)技術(shù)得以較快發(fā)展，使得我們可以利用海量歷史數(shù)據(jù)訓(xùn)練模型，基于客不雅觀的數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)把控，來(lái)提升基于專(zhuān)家規(guī)則的風(fēng)控系統(tǒng)的準(zhǔn)確率/覆蓋率。
目前主流的機(jī)器學(xué)習(xí)技術(shù)采用的是有監(jiān)督學(xué)習(xí)模型。簡(jiǎn)單的機(jī)器學(xué)習(xí)模型在特征工程階段需要必然量的業(yè)務(wù)經(jīng)驗(yàn)參與，同時(shí)訓(xùn)練過(guò)程需要足量歷史黑樣本作為參照，模型的調(diào)優(yōu)需要有專(zhuān)業(yè)的建模人員，因此其門(mén)檻較高。
如果將機(jī)器學(xué)習(xí)與深度學(xué)習(xí)相結(jié)合進(jìn)行模型訓(xùn)練，可有效選擇特征并劃分閾值和關(guān)系，同時(shí)創(chuàng)造特征及樣本，解決業(yè)務(wù)經(jīng)驗(yàn)主導(dǎo)及數(shù)據(jù)冷啟動(dòng)的困難。但由于機(jī)器學(xué)習(xí)模型是一個(gè)黑盒，其對(duì)風(fēng)險(xiǎn)的可解釋性不強(qiáng)，風(fēng)險(xiǎn)特征較難被理解。
總的來(lái)說(shuō)，在金融行業(yè)，規(guī)則的適應(yīng)性更強(qiáng)、更易用。模型更多的是輔助規(guī)則，在某些風(fēng)險(xiǎn)場(chǎng)景下提高規(guī)則的準(zhǔn)確率。但基于機(jī)器學(xué)習(xí)的智能決策引擎，將越來(lái)越受到重視，并在實(shí)踐中發(fā)揮更大的作用。
在AI領(lǐng)域，國(guó)外巨頭公司谷歌、亞馬遜也非常重視，國(guó)內(nèi)以BAT為代表的企業(yè)也紛紛布局。而在金融風(fēng)控反欺詐細(xì)分領(lǐng)域，專(zhuān)注金融實(shí)時(shí)風(fēng)控技術(shù)的邦盛科技，早在三年前就已布局，并率先把機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到實(shí)踐中。
目前，邦盛科技已為易寶支付、途牛金融等金融企業(yè)安排了機(jī)器學(xué)習(xí)系統(tǒng)。同時(shí)正在為多家銀行安排機(jī)器學(xué)習(xí)系統(tǒng)。
機(jī)器學(xué)習(xí)技術(shù)的迅速發(fā)展使利用海量歷史數(shù)據(jù)訓(xùn)練模型成為可能，行業(yè)領(lǐng)先的公司已經(jīng)在使用專(zhuān)家規(guī)則/模型雙引擎系統(tǒng)，對(duì)案件的準(zhǔn)確率、覆蓋率提升取得了很好地效果。流式大數(shù)據(jù)技術(shù)作為新一代風(fēng)控系統(tǒng)的核心，把風(fēng)控系統(tǒng)提升到了實(shí)時(shí)反欺詐，通過(guò)低延時(shí)、高吞吐量的數(shù)據(jù)處理能力為實(shí)時(shí)風(fēng)控系統(tǒng)，尤其是模型的訓(xùn)練提供了強(qiáng)有力的支持。
