数字金融时代机器学习模型在实时反欺诈中的应用与实践

近年来，数字金融蓬勃发展，金融科技日趋成熟，信息技术的发展对社会产生巨大积极作用的同时也带来了新型风险，网络黑产呈爆发式增长，电信网络诈骗给人民群众造成了巨大的财产损失。在数字金融时代，商业银行既迎来了新的机遇与动力，又面临着新的挑战和数字化变革的要求，线上金融业务已经成为新的主战场。在此背景下，基于 RFM 高维衍生特征和对机器学习算法的研究，构建了基于高维交易行为画像的事中反欺诈机器学习模型。依托大数据、流计算等技术，通过在系统化部署、应用策略以及模型迭代优化等环节的实践，形成了一套基于机器学习模型的事中风控方案。实践证实，该模型的AUC达到了0.972，可以敏锐洞察欺诈风险，实现毫秒级的...

Full description

Saved in:
Bibliographic Details
Published in:智能科学与技术学报 2019-12, Vol.1 (4), p.342-351
Main Authors: 曹汉平, 张晓晶, 祝睿杰, 黄潇拉
Format: Article
Language:Chinese
Subjects:
rfm
反欺诈
数字金融
机器学习
流计算
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:近年来，数字金融蓬勃发展，金融科技日趋成熟，信息技术的发展对社会产生巨大积极作用的同时也带来了新型风险，网络黑产呈爆发式增长，电信网络诈骗给人民群众造成了巨大的财产损失。在数字金融时代，商业银行既迎来了新的机遇与动力，又面临着新的挑战和数字化变革的要求，线上金融业务已经成为新的主战场。在此背景下，基于 RFM 高维衍生特征和对机器学习算法的研究，构建了基于高维交易行为画像的事中反欺诈机器学习模型。依托大数据、流计算等技术，通过在系统化部署、应用策略以及模型迭代优化等环节的实践，形成了一套基于机器学习模型的事中风控方案。实践证实，该模型的AUC达到了0.972，可以敏锐洞察欺诈风险，实现毫秒级的欺诈交易识别，对于提升线上数字金融业务的事中风控能力具有一定的推广价值和借鉴意义。
ISSN:2096-6652