【風控系列】2. 如何建構一個有效的風控系統

文章目錄

• 0. 背景
• 1. 第一代系統
• • 1.1 目标
  • 1.2 架構
  • 1.3 功能說明
• 2. 第二代系統
• • 2.1 目标
  • 2.2 架構
  • 2.3 功能說明
• 3. 第三代系統
• • 3.1 目标
  • 3.2 架構
  • 3.3 功能說明
• 4. 第四代系統
• • 4.1 目标
  • 4.2 架構
  • 4.3 功能說明
• 彙總
• 參考
• 風控系列文章目錄

0. 背景

目前國内已經很多優秀的風控服務商，如同盾科技、數美科技、網易易盾等。本文根據自己的了解，給出了從頭建構一個完整風控系統的一個思路。共分為了4個階段，每個階段根據不同的目标，實作不同的功能。下面進行具體的描述。

1. 第一代系統

第一代系統架構。

1.1 目标

快速實作并且能夠解決最為簡單的風險問題。

1.2 架構

1.3 功能說明

重要優先級是處置系統、特征計算、政策引擎。

1. 處置系統：處置方式會有很多，最基本的是人工稽核。對于大部分場景，人工稽核都是必須的。人工稽核的優勢很明顯，劣勢是耗費人力，并且這個随着業務增長，消耗也是呈現線性增加的。
2. 特征計算：業務剛開始時特征計算會和政策甚至是處置耦合到一起，在沒有大量政策的情況下，這種模式的效率較高。不過随着風險問題增多，特征計算就需要和政策進行拆分。這個階段主要處理的問題可以分成以下幾種：

• 頻率特征：統計不同的次元和不同次元組合，對不同次元進行頻率控制。頻率的門檻值可以根據整體業務頻率分布的置信區間來定制。
• 内容特征：文本類可以使用關鍵詞、正則和文本相似；圖像等可以使用圖檔相似，OCR等；其他媒體類似。

1. 政策引擎：政策引擎是一個很核心的功能，後期政策引擎會逐漸變得簡單可用，能夠處理各種緊急問題。目前有很多開源的引擎如drools。政策引擎需要支援基本的與或條件組合，需要對>,<, =,!=,in,like,等計算進行支援。政策識别和處置豁免邏輯盡量在邏輯上解耦，避免因為識别未處置造成風險而不知。

2. 第二代系統

2.1 目标

1. 自動發現嚴重的問題，并進行管控。
2. 将已經解決和識别的風險，轉變為知識。

2.2 架構

2.3 功能說明

1. 無監督風險發現：使用聚類算法對聚集的風險進行識别，并通過政策進行控制。常用的如minhash，kmeans等。
2. 知識庫：手機黑庫、裝置黑庫、使用者黑庫、IP黑庫等。不僅能夠将能力進行固化，還能解決跨業務的問題。

3. 第三代系統

3.1 目标

1. 引入更為專業的人員和方法。

3.2 架構

3.3 功能說明

1. 深度學習模型：使用深度模型，可以提升識别的泛化能力，減少對抗的頻率。深度學習通常屬于方案B，對于新的問題，需要方案A先進行緊急處理，等待模型訓練上線。
2. 專家系統：政策計算的更新版。行業專家可以通過系統，實作各種特征，而不需要進行開發。這樣對各種風險問題都能進行高效的管控。同時專家系統可以配合人工稽核，進行各類專項治理。

4. 第四代系統

4.1 目标

1. 更為深入的機器學習算法。

4.2 架構

4.3 功能說明

1. 畫像&知識庫：随着業務的複雜性的提升，需要進行更精細話的操作，這樣就需要對各種業務物料、使用者設定标簽，同時豐富的标簽可以用于模型中。
2. 行為識别模型：通過行為識别，可以更細粒度的進行風險管控，通過使用者簡單的幾個行為，就能判斷出是否有風險。避免像頻率一樣，需要累積到一定程度。

彙總

要解決的問題從簡單到複雜，對應的系統也需要從簡單到複雜，重要的不是功能有多完善有多強，而是适合目前的階段，能夠很高效的解決掉80%以上的問題。

本文隻是說了簡單的一個思路，還有很多問題，後面慢慢的補吧。

參考

數美科技

網易易盾

同盾科技

風控系列文章目錄