日本护士xxxxhd少妇_欧美性少妇xxxx极品高清hd_高潮喷水在线_精品人伦一区二区三区蜜桃牛牛

欺詐(zha)(zha)風險是國內金(jin)融領域(yu)面臨的最大挑(tiao)戰(zhan)之一，大部(bu)分(fen)金(jin)融機構長期受欺詐(zha)(zha)影響(xiang)。全球(qiu)領先的風險管理(li)咨詢公(gong)司Kroll發布的《 2016/17年(nian)度全球(qiu)反欺詐(zha)(zha)及(ji)風險報告》指出，欺詐(zha)(zha)造成的受欺詐(zha)(zha)損失(shi)占(zhan)營業額0.5%至3%之間不等（已(yi)核實的部(bu)分(fen)），并(bing)且隨(sui)著欺詐(zha)(zha)手(shou)段日趨多元化，這一占(zhan)比在(zai)逐年(nian)上(shang)升(sheng)。因此，反欺詐(zha)(zha)已(yi)被金(jin)融機構和監管部(bu)門視(shi)為重要議(yi)題。

高維(wei)度機器(qi)學習模型：反欺詐方案的“內核”

以(yi)往(wang)，銀行(xing)在偵測信(xin)用(yong)卡(ka)線下欺(qi)詐(zha)(zha)交(jiao)易方面(mian)通常(chang)會采(cai)用(yong)專(zhuan)家(jia)規(gui)則的(de)(de)(de)方式，即行(xing)內(nei)人員通過對欺(qi)詐(zha)(zha)案例的(de)(de)(de)欺(qi)詐(zha)(zha)主(zhu)體(ti)、手段等進行(xing)分析和總結(jie)，形成專(zhuan)家(jia)規(gui)則。這種規(gui)則的(de)(de)(de)有(you)效性(xing)是(shi)毋庸(yong)置疑的(de)(de)(de)，但(dan)(dan)是(shi)同時也存在一些(xie)不足：首先，專(zhuan)家(jia)規(gui)則是(shi)由人來制定的(de)(de)(de)，但(dan)(dan)人的(de)(de)(de)思維往(wang)往(wang)是(shi)采(cai)用(yong)“抓(zhua)大放小”的(de)(de)(de)方式，因而其難以(yi)覆蓋長尾的(de)(de)(de)交(jiao)易欺(qi)詐(zha)(zha)場景；其次，欺(qi)詐(zha)(zha)手段日趨多元化(hua)(hua)，但(dan)(dan)人很難快速(su)準確地掌握新(xin)型欺(qi)詐(zha)(zha)手段的(de)(de)(de)特征(zheng)與規(gui)則，以(yi)應對欺(qi)詐(zha)(zha)行(xing)為的(de)(de)(de)持(chi)續變(bian)化(hua)(hua)。諸(zhu)多因素導致專(zhuan)家(jia)規(gui)則目前在罕見(jian)的(de)(de)(de)、新(xin)的(de)(de)(de)欺(qi)詐(zha)(zha)案件(jian)上有(you)所局限。而通過機器學(xue)習技術，可以(yi)大幅提升這些(xie)欺(qi)詐(zha)(zha)案件(jian)的(de)(de)(de)偵測率(lv)。

第四范式基(ji)于”機(ji)器(qi)學習“的反(fan)欺詐解決方案，是(shi)通過(guo)從交易報文、用戶、卡片等信息、訓練出(chu)一個(ge)高(gao)維(wei)度模型，從而找出(chu)一些很(hen)難被專家規(gui)則(ze)發現的特征，這恰恰是(shi)機(ji)器(qi)所擅長(chang)的。

在數(shu)據(ju)預處理環節(jie)，第四(si)范(fan)(fan)式的(de)(de)(de)反欺(qi)(qi)詐(zha)解(jie)決方案采(cai)用了全量樣本進(jin)行數(shu)據(ju)建(jian)模。在特(te)征(zheng)(zheng)工程階段，機器學(xue)習和專家規(gui)則(ze)(ze)一樣，首先需要抽取交(jiao)易報文、用戶信(xin)息(xi)、卡(ka)人卡(ka)片檔(dang)等(deng)基(ji)本信(xin)息(xi)，之后再結(jie)合其他已有(you)數(shu)據(ju)，在符合業(ye)務邏輯的(de)(de)(de)情況下，通(tong)過(guo)將交(jiao)易報文中(zhong)的(de)(de)(de)原始字段進(jin)行超高(gao)維(wei)(wei)組(zu)合、衍生。最(zui)終，對(dui)比于(yu)總數(shu)在千條之內的(de)(de)(de)專家規(gui)則(ze)(ze)，第四(si)范(fan)(fan)式設計的(de)(de)(de)大數(shu)據(ju)機器學(xue)習模型的(de)(de)(de)反欺(qi)(qi)詐(zha)特(te)征(zheng)(zheng)體(ti)系，在總量超過(guo)25億(yi)維(wei)(wei)的(de)(de)(de)特(te)征(zheng)(zheng)集上進(jin)行探索，最(zui)終發現有(you)效特(te)征(zheng)(zheng)8000萬(wan)維(wei)(wei)，如此(ci)高(gao)維(wei)(wei)的(de)(de)(de)規(gui)則(ze)(ze)是很難被不(bu)法分子攻破的(de)(de)(de)。

此外，機器學(xue)習對于出現概率(lv)低(di)的(de)“非典型(xing)特(te)征(zheng)”以及不斷更新中的(de)特(te)征(zheng)，都(dou)有著超(chao)強的(de)識別、總(zong)結(jie)能(neng)(neng)力。交易(yi)欺(qi)詐(zha)(zha)從數據上看實際(ji)上是一些模(mo)式（pattern）的(de)變(bian)化，如果是非典型(xing)的(de)欺(qi)詐(zha)(zha)手(shou)段，較難被專家規則命(ming)中，但機器學(xue)習的(de)模(mo)型(xing)可(ke)能(neng)(neng)捕(bu)捉到這些異常模(mo)式（pattern）。具體來(lai)說，某次交易(yi)會(hui)同時(shi)命(ming)中多條弱模(mo)式（pattern），從而(er)識別出該筆(bi)為欺(qi)詐(zha)(zha)交易(yi)。除(chu)此之外，即使欺(qi)詐(zha)(zha)手(shou)段發生徹底的(de)變(bian)化，機器學(xue)習可(ke)以從案例中不斷自主(zhu)更新學(xue)習，以適應(ying)新的(de)欺(qi)詐(zha)(zha)手(shou)段。

第三代實時反(fan)(fan)欺詐(zha)架構：反(fan)(fan)欺詐(zha)方案(an)的(de)“載體”

擁有(you)出(chu)色的(de)模型(xing)之后，如何(he)將它應用在反欺詐體(ti)系(xi)中成為了(le)另一道難(nan)題。模型(xing)越(yue)出(chu)色，則意(yi)味著對系(xi)統架構(gou)的(de)要(yao)求約苛刻。

首先，在(zai)延遲方(fang)面，每筆信用(yong)卡交易的(de)(de)時(shi)長基本上(shang)在(zai)一(yi)(yi)百毫秒(miao)以內，換句話來說(shuo)，實現對欺詐交易的(de)(de)阻(zu)攔(lan)全(quan)過程要(yao)控制在(zai)毫秒(miao)級，因此(ci)留給模(mo)型判斷的(de)(de)時(shi)間(jian)(jian)非常短暫。如果處理過慢計算(suan)結(jie)果就(jiu)會被丟棄，間(jian)(jian)接影(ying)響反欺詐效(xiao)果。其次是穩(wen)定性(xing)。穩(wen)定性(xing)是指兩個(ge)方(fang)面，其一(yi)(yi)是系(xi)統的(de)(de)高可(ke)用(yong)性(xing)，反欺詐系(xi)統必須保(bao)證(zheng)較高的(de)(de)服務可(ke)用(yong)率。其二是系(xi)統的(de)(de)響應(ying)(ying)穩(wen)定性(xing)，比如在(zai)所有交易請求中，99%的(de)(de)交易響應(ying)(ying)時(shi)間(jian)(jian)需要(yao)控制在(zai)一(yi)(yi)定的(de)(de)范圍內（P99）。最(zui)后是如何支持機器(qi)學習(xi)對高位特征計算(suan)以及(ji)預估的(de)(de)需求。

此(ci)前(qian)，銀行(xing)共(gong)出現了兩代(dai)實時反欺詐架構。第一代(dai)的實時反欺詐架構雖實現了對當前(qian)交(jiao)易(yi)(yi)進(jin)行(xing)欺詐識(shi)別需求，但(dan)是無(wu)法滿足專家規則對交(jiao)易(yi)(yi)歷史數據需求，且(qie)流式(shi)計(ji)算引擎運行(xing)較為復雜，難(nan)以保證在限定的時間內完(wan)成(cheng)所有(you)規則的計(ji)算。