近幾年，金融反欺詐一直是個(gè)廣受關(guān)注的問(wèn)題。

隨著各種信息化技術(shù)及智能設(shè)備的普及，金融欺詐手段正呈現(xiàn)出一種組織化、團(tuán)伙化的新趨勢(shì)。傳統(tǒng)的反欺詐措施有個(gè)很重要的問(wèn)題就是信息不對(duì)稱和關(guān)聯(lián)分析速度慢，金融機(jī)構(gòu)很難快速去驗(yàn)證信貸客戶信息哪些是真實(shí)的，哪些是經(jīng)過(guò)包裝的，這就導(dǎo)致很多風(fēng)控措施都相對(duì)滯后，采取措施時(shí)往往損失已經(jīng)發(fā)生。

金融行業(yè)風(fēng)控大致可以歸納為傳統(tǒng)風(fēng)控、數(shù)字風(fēng)控、智能風(fēng)控三個(gè)階段。傳統(tǒng)風(fēng)控階段主要依賴于專家經(jīng)驗(yàn)和人工審核來(lái)進(jìn)行風(fēng)控判斷，效率低且成本非常高；數(shù)字風(fēng)控階段則引入了機(jī)器學(xué)習(xí)的模型，通過(guò)機(jī)器學(xué)習(xí)建模的補(bǔ)充，結(jié)合專家規(guī)則去防控整體風(fēng)險(xiǎn)。

但就現(xiàn)有的經(jīng)驗(yàn)來(lái)看，由專家經(jīng)驗(yàn)過(guò)渡到機(jī)器學(xué)習(xí)模型，建模這一步會(huì)面臨很多的問(wèn)題，第一是樣本量不足，第二是樣本空間增長(zhǎng)有限；同時(shí)基于靜態(tài)的歷史數(shù)據(jù)去做風(fēng)險(xiǎn)分析是存在評(píng)估局限的，因?yàn)閳F(tuán)伙欺詐和作弊的手段仍在不斷升級(jí)。

目前，金融行業(yè)已經(jīng)逐漸進(jìn)入了智能風(fēng)控階段。這就需要輸入更多的實(shí)時(shí)的數(shù)據(jù)，用來(lái)輔助風(fēng)控引擎進(jìn)行高維度的機(jī)器學(xué)習(xí)。高維度的機(jī)器學(xué)習(xí)需求，其實(shí)來(lái)源于金融線上化轉(zhuǎn)變的三個(gè)特征。線上化在給金融產(chǎn)業(yè)帶來(lái)便利的同時(shí)，也給了黑灰產(chǎn)更多的機(jī)會(huì)。現(xiàn)代金融欺詐行為規(guī)模性、隱蔽性、專業(yè)性的特點(diǎn)也會(huì)倒逼風(fēng)控系統(tǒng)具備「實(shí)時(shí)數(shù)據(jù)關(guān)聯(lián)查詢」的能力。

針對(duì)以上的這些技術(shù)痛點(diǎn)，圖數(shù)據(jù)庫(kù)這種特別擅長(zhǎng)處理實(shí)時(shí)數(shù)據(jù)關(guān)聯(lián)查詢的新型數(shù)據(jù)存儲(chǔ)方式開(kāi)始成為各大銀行及金融機(jī)構(gòu)關(guān)注的焦點(diǎn)。在數(shù)據(jù)做了多元的數(shù)據(jù)融合存儲(chǔ)之后，正可以應(yīng)用圖模型這種本身天然貼合關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡(luò)查詢的優(yōu)勢(shì)，使用圖數(shù)據(jù)庫(kù)可以作為反欺詐風(fēng)控的基礎(chǔ)數(shù)據(jù)庫(kù)，去應(yīng)對(duì)海量關(guān)聯(lián)數(shù)據(jù)的存儲(chǔ)和檢索。

在應(yīng)用完這些對(duì)應(yīng)的數(shù)據(jù)之后，業(yè)務(wù)團(tuán)隊(duì)還可以結(jié)合圖上原生的一些圖計(jì)算方法，去挖掘一些比較隱蔽的風(fēng)險(xiǎn)因子。

另外，在輔助算法精確度這塊，其實(shí)很多機(jī)器學(xué)習(xí)的方法忽略了豐富上下文的信息，因?yàn)闄C(jī)器學(xué)習(xí)方法是依賴于通過(guò)源組構(gòu)建的輸入數(shù)據(jù)忽略了這種預(yù)測(cè)關(guān)系類的數(shù)據(jù)，而通過(guò)圖的輸入，正可以去豐富相關(guān)的信息，進(jìn)而去提升算法模型的精確度。

場(chǎng)景1：反欺詐

傳統(tǒng)的反欺詐手段有個(gè)很重要的問(wèn)題就是信息不對(duì)稱，金融機(jī)構(gòu)很難快速去驗(yàn)證信貸客戶信息哪些是真實(shí)的，哪些是經(jīng)過(guò)包裝的，這就導(dǎo)致很多風(fēng)控措施都相當(dāng)滯后——往往采取措施時(shí)資金損失已經(jīng)發(fā)生。

使用圖數(shù)據(jù)庫(kù)可以打通多系統(tǒng)、多維度、多類型的數(shù)據(jù)，融合成全行業(yè)務(wù)的整體視圖。通過(guò)申請(qǐng)注冊(cè) IP、設(shè)備號(hào)、手機(jī)號(hào)、地理經(jīng)緯度等多個(gè)維度實(shí)時(shí)分析欺詐行為，結(jié)合圖算法及時(shí)發(fā)現(xiàn)隱蔽的團(tuán)體作弊行為，及時(shí)阻止欺詐交易并封禁賬號(hào)，提升申請(qǐng)/交易欺詐識(shí)別率，避免可能出現(xiàn)的經(jīng)濟(jì)損失。

場(chǎng)景2：反洗錢

傳統(tǒng)的反洗錢模型通常只能關(guān)注一度的交易行為，難以進(jìn)行有效排序和過(guò)濾。如果使用人工審核案件，則難以進(jìn)行深度、有效的探索分析，特征也不具備可解釋性，因此難以對(duì)團(tuán)伙作案進(jìn)行高效管控。

使用圖數(shù)據(jù)庫(kù)可以有效補(bǔ)充黑產(chǎn)賬戶的隱藏鏈接、多賬號(hào)共同信息等圖特征，通過(guò)機(jī)器學(xué)習(xí)輔助提升識(shí)別準(zhǔn)確率，減少誤報(bào)。基于圖可視化快速進(jìn)行多層探索分析，特征可解釋性強(qiáng)。另外，圖數(shù)據(jù)庫(kù)上還支持 K-core、Louvain 等多種圖算法，可以提升欺詐團(tuán)伙識(shí)別效率。

場(chǎng)景3：擔(dān)保圈識(shí)別

金融擔(dān)保業(yè)務(wù)中經(jīng)常存在交叉擔(dān)保的現(xiàn)象，但由于擔(dān)保群體的復(fù)雜性和擅于鉆規(guī)則漏洞的隱蔽性，現(xiàn)有技術(shù)對(duì)于三個(gè)或三個(gè)以上的客戶形成的環(huán)狀擔(dān)保基本無(wú)法解決，尤其缺乏深層次和動(dòng)態(tài)的分析監(jiān)測(cè)，擔(dān)保規(guī)模越大、復(fù)雜性越高，越難以進(jìn)行深層次分析。

基于圖的深度查詢正適合高效識(shí)別擔(dān)保圈/擔(dān)保鏈，同時(shí)基于多種圖可視化手段，金融機(jī)構(gòu)可以快速進(jìn)行多層的深度探索分析，及時(shí)發(fā)現(xiàn)并識(shí)別核心風(fēng)險(xiǎn)擔(dān)保圈，對(duì)即將發(fā)出的信貸申請(qǐng)進(jìn)行預(yù)警，減少人工審核失誤，提升風(fēng)控效率。

場(chǎng)景4：企業(yè)圖譜

金融機(jī)構(gòu)在處理業(yè)務(wù)申請(qǐng)或交割事宜中經(jīng)常需要分析企業(yè)的生產(chǎn)經(jīng)營(yíng)狀況，而全局視圖的缺失非常容易導(dǎo)致信息掌握不全面。另外依靠人力很難及時(shí)發(fā)現(xiàn)不同企業(yè)間相互傳導(dǎo)的潛在風(fēng)險(xiǎn)因素，這些都會(huì)導(dǎo)致金融借貸、放款審核時(shí)的錯(cuò)判漏判。

使用圖數(shù)據(jù)庫(kù)可以通過(guò)持股關(guān)系及圖算法，可以有效識(shí)別隱形集團(tuán)或發(fā)現(xiàn)異常成團(tuán)情況。基于多層關(guān)系穿透查詢，也能迅速發(fā)現(xiàn)實(shí)際控制人和控制路徑，并通過(guò)實(shí)時(shí)計(jì)算某信用風(fēng)險(xiǎn)引起的關(guān)聯(lián)客群風(fēng)險(xiǎn)快速識(shí)別傳導(dǎo)路徑，讓企業(yè)實(shí)控人關(guān)系、股權(quán)/轉(zhuǎn)讓關(guān)系、風(fēng)險(xiǎn)傳導(dǎo)等關(guān)系等一目了然。

場(chǎng)景5：交易圖譜

在涉賭涉詐、貸后資金流向等場(chǎng)景中，金融機(jī)構(gòu)流出的資金往往涉及多層次的轉(zhuǎn)賬關(guān)系。這個(gè)過(guò)程中可能會(huì)涉及多種平臺(tái)機(jī)構(gòu)、空殼企業(yè)以及歷史流水的轉(zhuǎn)入轉(zhuǎn)出操作，交易賬戶、交易主體和行為都非常復(fù)雜，使用傳統(tǒng)手段難以及時(shí)發(fā)現(xiàn)其中隱藏的作弊行為。

通過(guò)圖數(shù)據(jù)庫(kù)可以最大程度地還原真實(shí)的交易場(chǎng)景，這是以往在核查單觀察，或者在系統(tǒng)上一步一步點(diǎn)擊流水不容易觀察到的。分析人員結(jié)合賬戶特征，就可以在圖譜上觀察有沒(méi)有分散的轉(zhuǎn)出和轉(zhuǎn)入，或者交易對(duì)手成批地更換。結(jié)合這些特征和行為，就可以分析賬戶在整張交易網(wǎng)絡(luò)中的作用，快速精準(zhǔn)地鎖定資金最后的流向、受益人是誰(shuí)。

如今，金融欺詐及作弊行為比以往任何時(shí)候都要更加普遍、出人意料且速度更快，響應(yīng)行動(dòng)應(yīng)分秒必爭(zhēng)。選擇一款好的圖數(shù)據(jù)庫(kù)產(chǎn)品不僅可以賦予上層應(yīng)用更多的敏捷性，而且能在底層提供更安全穩(wěn)定、易擴(kuò)展的生產(chǎn)環(huán)境，大幅度減輕后續(xù)運(yùn)維的壓力。目前廣受歡迎的「悅數(shù)圖數(shù)據(jù)庫(kù)」就采用了 Shared-Nothing 和存算分離的架構(gòu)，在波峰波谷可以分別做計(jì)算和存儲(chǔ)層橫向拓展，其次悅數(shù)圖數(shù)據(jù)庫(kù)本身也是一款云原生分布式的圖數(shù)據(jù)庫(kù)產(chǎn)品，因此能夠很好去應(yīng)對(duì)彈性方面的需求。

另一方面，好的應(yīng)用表現(xiàn)離不開(kāi)本土化團(tuán)隊(duì)的支持，尤其在關(guān)鍵生產(chǎn)業(yè)務(wù)當(dāng)中。作為國(guó)產(chǎn)自主研發(fā)的分布式圖數(shù)據(jù)庫(kù)代表，悅數(shù)圖數(shù)據(jù)庫(kù)擁有經(jīng)驗(yàn)豐富的研發(fā)和實(shí)施交付團(tuán)隊(duì)。除了提供企業(yè)級(jí)服務(wù)之外，悅數(shù)圖數(shù)據(jù)庫(kù)也提供了一系列可視化的探索和管理工具，讓業(yè)務(wù)人員更好去做數(shù)據(jù)的分析探索，數(shù)據(jù)更直觀且具有可解釋性。

自發(fā)布以來(lái)，「悅數(shù)圖數(shù)據(jù)庫(kù)」已被中國(guó)移動(dòng)、美團(tuán)、快手、眾安保險(xiǎn)等眾多知名企業(yè)選擇，并在反欺詐、反作弊、黑灰產(chǎn)發(fā)現(xiàn)等場(chǎng)景中獲得廣泛應(yīng)用，通過(guò)多種圖算法和圖分析工具發(fā)現(xiàn)潛在的欺詐行為，減少由此帶來(lái)的經(jīng)濟(jì)損失。