前言：本站為你精心整理了大數(shù)據(jù)風(fēng)控技術(shù)在互聯(lián)網(wǎng)金融的實(shí)踐范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

摘要：隨著互聯(lián)網(wǎng)技術(shù)與金融業(yè)務(wù)的融合發(fā)展，當(dāng)前金融欺詐呈現(xiàn)出“專業(yè)化”、“集團(tuán)化”，導(dǎo)致企業(yè)在風(fēng)險(xiǎn)處置上花費(fèi)較多的成本；此時(shí)大數(shù)據(jù)風(fēng)控技術(shù)應(yīng)運(yùn)而生，該技術(shù)就是利用結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，通過(guò)數(shù)據(jù)采集、實(shí)時(shí)\非實(shí)時(shí)數(shù)據(jù)加工等技術(shù)手段，結(jié)合各類風(fēng)控模型，識(shí)別出風(fēng)險(xiǎn)客戶，從而降低企業(yè)運(yùn)營(yíng)成本。經(jīng)過(guò)艱苦的開(kāi)發(fā)，系統(tǒng)已經(jīng)建立起以實(shí)時(shí)\非實(shí)時(shí)數(shù)據(jù)集市為基礎(chǔ)，數(shù)據(jù)采集和為依靠，規(guī)則引擎為載體的體系，有效降低各類風(fēng)險(xiǎn)的沖擊。

關(guān)鍵詞：數(shù)據(jù)采集；實(shí)時(shí)計(jì)算；規(guī)則引擎；大數(shù)據(jù)處理

金融科技（fintech）在最近幾年發(fā)展的風(fēng)生水起，以螞蟻金服為代表的互聯(lián)網(wǎng)企業(yè)和以興業(yè)數(shù)金為代表的銀行系科技集團(tuán)均涉及其中。金融的核心問(wèn)題之一便是風(fēng)險(xiǎn)控制，所以當(dāng)前眾多科技企業(yè)對(duì)外服務(wù)的核心都是大數(shù)據(jù)風(fēng)控系統(tǒng)。

1系統(tǒng)設(shè)計(jì)思想

如今大量的金融機(jī)構(gòu)服務(wù)的客戶，特別是C端客戶，不再是28理論中20%的優(yōu)質(zhì)客戶，這些客戶主要被銀行甚至更加高端的私人銀行壟斷。因而他們的主要服務(wù)對(duì)象是80%的用戶。如何從這些客戶中篩選出優(yōu)質(zhì)客戶，是這些金融機(jī)構(gòu)面對(duì)的難題。如果僅僅依靠傳統(tǒng)的風(fēng)控系統(tǒng)，會(huì)面臨審批周期長(zhǎng)、拒貸率高、人工成本高等問(wèn)題。在開(kāi)發(fā)這套系統(tǒng)之前，我們隨機(jī)從目標(biāo)客戶中抽取了一些樣本，建立了借款客戶的用戶畫(huà)像。從畫(huà)像特征中了解到他們的主要特征是金額小、頻次高、借款時(shí)間短、放款審批周期短。而這些特征也印證了對(duì)上述問(wèn)題的判斷。相較于傳統(tǒng)風(fēng)控系統(tǒng)而言，大數(shù)據(jù)風(fēng)控系統(tǒng)強(qiáng)調(diào)的重心在于大數(shù)據(jù)和風(fēng)控系統(tǒng)。傳統(tǒng)風(fēng)控系統(tǒng)主要是基于客戶的收入水平、所在行業(yè)、負(fù)債水平建立評(píng)分卡，從而確認(rèn)該客戶的風(fēng)險(xiǎn)水平，所以從這方面來(lái)看，傳統(tǒng)風(fēng)控系統(tǒng)用的數(shù)據(jù)只是側(cè)重反應(yīng)了某一方面的狀況。而大數(shù)據(jù)風(fēng)控系統(tǒng)則是利用圖像、社交活動(dòng)數(shù)據(jù)、行為軌跡、地理位置等數(shù)據(jù)全方位評(píng)估用戶的風(fēng)險(xiǎn)水平，規(guī)避傳統(tǒng)風(fēng)控系統(tǒng)的問(wèn)題。任何事物都會(huì)呈現(xiàn)兩面性，隨著系統(tǒng)的投入使用數(shù)據(jù)會(huì)呈現(xiàn)出爆發(fā)式增長(zhǎng)，并且還會(huì)出現(xiàn)數(shù)據(jù)變動(dòng)快、系統(tǒng)效率變慢的問(wèn)題。但是隨著金融機(jī)構(gòu)業(yè)務(wù)的發(fā)展，又對(duì)風(fēng)控系統(tǒng)提出了高并發(fā)、高響應(yīng)、操作簡(jiǎn)單、海量存儲(chǔ)等更苛刻的要求。使用傳統(tǒng)的數(shù)據(jù)處理方法已經(jīng)不在適應(yīng)行業(yè)的要求。因而必須要對(duì)系統(tǒng)做合理地切分，并且使用更新的技術(shù)方法來(lái)制作。從系統(tǒng)面對(duì)場(chǎng)景上來(lái)看，大數(shù)據(jù)風(fēng)控系統(tǒng)不僅僅是要與信用風(fēng)險(xiǎn)做斗爭(zhēng)，同時(shí)還要盡量支持更多場(chǎng)景，比如：羊毛黨、支付欺詐等，不僅如此，新的系統(tǒng)還要監(jiān)控流程中各個(gè)環(huán)節(jié)，從而達(dá)到盡早發(fā)現(xiàn)、盡早防控的目的。因此大數(shù)據(jù)風(fēng)控系統(tǒng)，已經(jīng)不再是一個(gè)系統(tǒng)，而是由若干個(gè)系統(tǒng)組成的系統(tǒng)集群，通過(guò)該集群的合力工作，幫助用戶快速提升業(yè)績(jī)。

2大數(shù)據(jù)平臺(tái)及大數(shù)據(jù)風(fēng)控體系建設(shè)

針對(duì)上述的設(shè)計(jì)思想，本文將以嘉銀金科的反欺詐系統(tǒng)構(gòu)建為例展開(kāi)探討。目前嘉銀金科的增量數(shù)據(jù)呈現(xiàn)出爆發(fā)式增長(zhǎng)，增量單位為T，這些數(shù)據(jù)主要是包括行為日志、業(yè)務(wù)日志、各類json和XML文件、照片、活體認(rèn)證資料等，從數(shù)據(jù)形態(tài)上又可分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)話數(shù)據(jù)，從業(yè)務(wù)屬性上將其劃分成若干個(gè)數(shù)據(jù)集市，比如：訂單數(shù)據(jù)、支付數(shù)據(jù)、用戶屬性數(shù)據(jù)等。先將數(shù)據(jù)分為實(shí)時(shí)和非實(shí)時(shí)，實(shí)時(shí)數(shù)據(jù)又區(qū)分為分鐘、小時(shí)、天3個(gè)范圍，因?yàn)樵趯?shí)際的風(fēng)控業(yè)務(wù)中，實(shí)時(shí)計(jì)算結(jié)合歷史數(shù)據(jù)的計(jì)算占據(jù)了大量的場(chǎng)景。

2.1大數(shù)據(jù)平臺(tái)建設(shè)

在數(shù)據(jù)體系建立中，需要將數(shù)據(jù)分層，目前主要將數(shù)據(jù)分為三層，分別是數(shù)據(jù)采集和整理層、數(shù)據(jù)建模層、數(shù)據(jù)應(yīng)用層。

2.1.1數(shù)據(jù)采集和整理層

在該層中存放各種類型的原始數(shù)據(jù)和預(yù)處理數(shù)據(jù)，包括數(shù)據(jù)庫(kù)數(shù)據(jù)、Nosql數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、各類日志等，每天系統(tǒng)會(huì)根據(jù)設(shè)定的任務(wù)，自動(dòng)從目標(biāo)系統(tǒng)中抽取數(shù)據(jù)，目標(biāo)系統(tǒng)包括各類業(yè)務(wù)系統(tǒng)、日志系統(tǒng)、交易臺(tái)賬等，抽取好數(shù)據(jù)后會(huì)直接進(jìn)入該層的數(shù)據(jù)庫(kù)。再抽取完成后，系統(tǒng)便會(huì)根據(jù)ETL腳本的邏輯關(guān)系，選擇需要啟動(dòng)的腳本，將rawdata轉(zhuǎn)化為productdata。離線批處理采用的是Hadoop分布式存儲(chǔ)+分布式運(yùn)算的框架，可以對(duì)海量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，解決單節(jié)點(diǎn)極限性。目前選用的是Mapreduce/Spark混合架構(gòu)，主要是因?yàn)閟park主要在內(nèi)存中處理數(shù)據(jù)成本較高。數(shù)據(jù)采集和集成工具使用的組件是StreamSets。

2.1.2數(shù)據(jù)建模層

該層數(shù)據(jù)是存儲(chǔ)可用于直接用于生產(chǎn)系統(tǒng)的數(shù)據(jù)，是經(jīng)過(guò)數(shù)據(jù)清洗過(guò)后的干凈數(shù)據(jù)。主要以業(yè)務(wù)標(biāo)簽數(shù)據(jù)、會(huì)員畫(huà)像、設(shè)備畫(huà)像等。在該層中數(shù)據(jù)將會(huì)深度介入業(yè)務(wù)，根據(jù)需求將數(shù)據(jù)切分為多個(gè)數(shù)據(jù)集市，助力業(yè)務(wù)發(fā)展。目前這些數(shù)據(jù)的主要為風(fēng)控、推薦、精準(zhǔn)營(yíng)銷等業(yè)務(wù)線的深度學(xué)習(xí)模型、業(yè)務(wù)分析、數(shù)據(jù)服務(wù)接口等功能服務(wù)；在該數(shù)據(jù)層中，數(shù)據(jù)分析人員使用python\R\SAS等工具對(duì)數(shù)據(jù)建模，為下一步的數(shù)據(jù)應(yīng)用提供支撐。

2.1.3數(shù)據(jù)應(yīng)用層

根據(jù)業(yè)務(wù)線特點(diǎn)，將數(shù)據(jù)區(qū)分成適用于不同業(yè)務(wù)的數(shù)據(jù)應(yīng)用產(chǎn)品，該層也存儲(chǔ)報(bào)表、數(shù)據(jù)分析報(bào)告等產(chǎn)品的數(shù)據(jù)；該層數(shù)據(jù)在應(yīng)用中典型的應(yīng)用場(chǎng)景包括：數(shù)據(jù)大屏、BI系統(tǒng)等。在這里重點(diǎn)介紹風(fēng)控體系的數(shù)據(jù)建設(shè)，風(fēng)控體系數(shù)據(jù)包括了貸前、貸中、貸后，這三類數(shù)據(jù)全部融入在上述所說(shuō)的體系中，其中貸前數(shù)據(jù)用于檢測(cè)可能的異常行為，并在借款之前將其拒絕；貸中數(shù)據(jù)用于在借款過(guò)程中的各類模型即風(fēng)險(xiǎn)評(píng)估；貸后數(shù)據(jù)用于驗(yàn)證各類模型的效果，并及時(shí)提高模型的準(zhǔn)確度。同樣還需要注意的是離線批處理功能和實(shí)時(shí)計(jì)算功能并不是集中在某個(gè)數(shù)據(jù)層中，每一層都會(huì)涉及。下面將重點(diǎn)闡述下實(shí)時(shí)計(jì)算功能，從目前的實(shí)際需求來(lái)看，有大量的實(shí)時(shí)計(jì)算需求，比如監(jiān)控、統(tǒng)計(jì)。而在這些計(jì)算需求中主要是各類匯總計(jì)算包括聚合計(jì)算、排序等，更為麻煩的是這些計(jì)算邏輯需要將熱數(shù)據(jù)、溫?cái)?shù)據(jù)和冷數(shù)據(jù)加總。為此在設(shè)計(jì)指標(biāo)數(shù)據(jù)結(jié)構(gòu)必須要考慮一致。計(jì)算結(jié)果會(huì)根據(jù)實(shí)際用途存放在不同的地方，實(shí)時(shí)存儲(chǔ)在redis/hbase，批處理方式的結(jié)果存儲(chǔ)在hive中。系統(tǒng)是從消息總線來(lái)獲取實(shí)時(shí)數(shù)據(jù)，結(jié)合批處理的計(jì)算結(jié)果，通過(guò)約定好各類ID將實(shí)時(shí)數(shù)據(jù)結(jié)果和批處理結(jié)果放在一起做后續(xù)的匯總計(jì)算，最終的匯總計(jì)算也是放在實(shí)時(shí)計(jì)算里實(shí)現(xiàn)。目前使用的實(shí)時(shí)計(jì)算工具是flink+kafka,計(jì)算邏輯是ksql定制。批處理的結(jié)果是從hive中查詢，一旦查詢?nèi)蝿?wù)過(guò)多，單機(jī)是無(wú)法承受的。這就需要引入分布式技術(shù)來(lái)分?jǐn)偛樵內(nèi)蝿?wù)，本系統(tǒng)中引入的組件是springcloud但是在實(shí)際開(kāi)發(fā)過(guò)程中，往往會(huì)有細(xì)致的問(wèn)題，目前系統(tǒng)中遇到的最多的兩個(gè)問(wèn)題是：（1）線程計(jì)算任務(wù)分問(wèn)題，在分布式計(jì)算過(guò)程中，每個(gè)計(jì)算任務(wù)消耗的資源和時(shí)間是不同的，有主機(jī)的任務(wù)較為繁忙，有些則空閑，所以還需對(duì)各個(gè)線程做監(jiān)控，并實(shí)時(shí)調(diào)度，我的思路是在系統(tǒng)中加入一個(gè)類似通知欄功能，里面記錄計(jì)算的任務(wù)數(shù)，已經(jīng)完成的任務(wù)數(shù)，消耗時(shí)間等內(nèi)容，當(dāng)一個(gè)任務(wù)計(jì)算完成后告知通知欄。（2）時(shí)序問(wèn)題，實(shí)時(shí)計(jì)算過(guò)程中，使用的數(shù)據(jù)源是數(shù)據(jù)流，在實(shí)時(shí)計(jì)算過(guò)程中，可能會(huì)涉及雙流計(jì)算甚至更多的流。由于網(wǎng)絡(luò)等其他問(wèn)題，數(shù)據(jù)流到達(dá)消息總線的順序可能和預(yù)想的不一樣，如果不考慮著這種問(wèn)題，那么會(huì)引起很多錯(cuò)誤導(dǎo)致系統(tǒng)故障。對(duì)此，我的解決方案是：引入互相檢測(cè)機(jī)制，比如算某個(gè)比率，如果分子的數(shù)據(jù)到了消息總線后，以某個(gè)時(shí)間字段為準(zhǔn)線向前掃描一個(gè)時(shí)間段的分母，如果沒(méi)有找到，則等待一個(gè)時(shí)間段，在這個(gè)時(shí)間段內(nèi)探聽(tīng)分母的數(shù)據(jù)流。反之對(duì)分母亦然。

2.2大數(shù)據(jù)風(fēng)控體系建設(shè)

在開(kāi)發(fā)的大數(shù)據(jù)風(fēng)控體系中，主要由三部分構(gòu)成分別為操作日志收集系統(tǒng)、設(shè)備指紋系統(tǒng)、風(fēng)控決策系統(tǒng)。

2.2.1操作日志收集系統(tǒng)

所謂操作日志收集就是在客戶使用系統(tǒng)的過(guò)程中，收集用戶的操作信息，用來(lái)跟蹤應(yīng)用使用的狀況，后續(xù)用來(lái)進(jìn)一步優(yōu)化產(chǎn)品或是提供運(yùn)營(yíng)的數(shù)據(jù)支撐，包括訪問(wèn)數(shù)（Visits），訪客數(shù)（Visitor），停留時(shí)長(zhǎng)（TimeOnSite），頁(yè)面瀏覽數(shù)（PageViews）和跳出率（BounceRate）。這樣的信息收集可以大致分為兩種：頁(yè)面統(tǒng)計(jì)（trackthisvirtualpageview），統(tǒng)計(jì)操作行為（trackthisbuttonbyanevent）。操作日志數(shù)據(jù)是用戶行為數(shù)據(jù)，具有實(shí)時(shí)性，數(shù)據(jù)質(zhì)量較高，是風(fēng)控系統(tǒng)重要數(shù)據(jù)來(lái)源之一。這些數(shù)據(jù)可粗可細(xì)，從龐雜的數(shù)據(jù)背后挖掘、分析用戶的行為習(xí)慣和喜好，壞人的異常行為，正是大數(shù)據(jù)風(fēng)控的價(jià)值。App采集到數(shù)據(jù)后，需要通過(guò)實(shí)時(shí)etl和實(shí)時(shí)計(jì)算組件，加工成業(yè)務(wù)需要的指標(biāo)，然后在與其他數(shù)據(jù)合并或者直接使用。這個(gè)項(xiàng)目面臨的主要問(wèn)題：（1）數(shù)據(jù)量大：這里的數(shù)據(jù)量是指瞬間的數(shù)據(jù)流量大，目前每天的日志增量數(shù)據(jù)達(dá)到1T；（2）數(shù)據(jù)容易丟失：數(shù)據(jù)依賴網(wǎng)絡(luò)上傳，采集的數(shù)據(jù)遇到網(wǎng)絡(luò)不通或者信號(hào)較弱時(shí)，數(shù)據(jù)就會(huì)丟失，造成不必要的損失；（3）采集環(huán)境復(fù)雜：采集端有原生界面也有H5界面，這兩種頁(yè)面的編程方式和獲取數(shù)據(jù)的內(nèi)容完全不同；第一點(diǎn)，在數(shù)據(jù)量大的情況下，減少服務(wù)提供的功能，在簡(jiǎn)化暴露給采集端的服務(wù)，只有接受數(shù)據(jù)的功能，同時(shí)引入消息總線，消息總線引入后，加大系統(tǒng)的并發(fā)和TPS，在消費(fèi)端接入消息，加重消費(fèi)端功能。這個(gè)思想也與目前小前端、大中臺(tái)的想法一致。而且消息總線的引入也實(shí)時(shí)打通了行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，為風(fēng)控和營(yíng)銷提供了有力支撐。第二點(diǎn)，在采集端增加緩存，當(dāng)出現(xiàn)網(wǎng)絡(luò)或者其他問(wèn)題時(shí)，采集的數(shù)據(jù)進(jìn)入緩存，待網(wǎng)絡(luò)環(huán)境變好后，系統(tǒng)會(huì)自動(dòng)上傳緩存中的數(shù)據(jù)。第三點(diǎn)，統(tǒng)一定義公共數(shù)據(jù)字段還有自定義字段，公共字段是指無(wú)論原生頁(yè)面還是H5頁(yè)面都必須上傳的，自定義字段是指只能在原生頁(yè)面或者H5頁(yè)面采集的字段。APP需要提供接口提供給H5調(diào)用，然后統(tǒng)一上傳。這樣的好處是數(shù)據(jù)格式統(tǒng)一，為數(shù)據(jù)用戶方提供便捷。同時(shí)也減輕不必要的數(shù)據(jù)處理工作，減少后臺(tái)計(jì)算成本。

2.2.2設(shè)備指紋系統(tǒng)

簡(jiǎn)單來(lái)講，設(shè)備指紋是指由某個(gè)公司定義用來(lái)唯一標(biāo)識(shí)該設(shè)備的ID，也可以說(shuō)設(shè)備指紋就是設(shè)備的身份證號(hào)。在風(fēng)管技術(shù)實(shí)踐中，設(shè)備指紋已經(jīng)成為了基礎(chǔ)技術(shù)。因?yàn)樵诨ヂ?lián)網(wǎng)環(huán)境下，真人的身份和操作者的身份可能存在完全不匹配的情況，因而身份不確定性是互聯(lián)網(wǎng)欺詐分子的根本支撐，在無(wú)法識(shí)別操作用戶的情況下，想辦法從各類設(shè)備著手，識(shí)別可疑上網(wǎng)行為，盡快發(fā)現(xiàn)與設(shè)備關(guān)聯(lián)的異常操作，并對(duì)其做出反應(yīng)。通常來(lái)說(shuō)設(shè)備指紋包括若干個(gè)固有的、較難篡改的、唯一的設(shè)備標(biāo)識(shí)。比如每臺(tái)移動(dòng)設(shè)備在生產(chǎn)出廠后，都會(huì)生成一個(gè)硬件ID，比如手機(jī)在生產(chǎn)過(guò)程中都會(huì)被賦予一個(gè)唯一的IMEI（InternationalMobileEquipmentIdentity）編號(hào)，用于唯一標(biāo)識(shí)該臺(tái)設(shè)備。在比如電腦的網(wǎng)卡，在生產(chǎn)過(guò)程中會(huì)被賦予唯一的MAC地址。這些設(shè)備唯一的標(biāo)識(shí)符就可以將其視為設(shè)備指紋。通常情況下，只需簡(jiǎn)單的獲取這些字段即可。但是欺詐分子在一些工具的幫助下，可以隨意修改手機(jī)參數(shù)，造成原本穩(wěn)定的數(shù)據(jù)變的不再穩(wěn)定。如何保證數(shù)據(jù)穩(wěn)定是設(shè)備指紋的最大問(wèn)題，即在用戶修改了手機(jī)底層數(shù)據(jù)后，還能識(shí)別出來(lái)是相同的設(shè)備。為此通過(guò)分析海量的多維度數(shù)據(jù)得出一些可靠結(jié)論，這些數(shù)據(jù)包括操作日志、設(shè)備日志等，我使用的模型包括尋找余弦相似度和設(shè)備分來(lái)解決穩(wěn)定性問(wèn)題。

2.2.3風(fēng)控決策系統(tǒng)

風(fēng)控決策系統(tǒng)是展現(xiàn)給用戶的終端系統(tǒng)，但是在這個(gè)系統(tǒng)的后面運(yùn)行這大量的模型支撐風(fēng)控體系的運(yùn)行。眾所周知，在大數(shù)據(jù)風(fēng)控體系下存在著各種維度的數(shù)據(jù)，從行為、交易、設(shè)備、位置等，這些數(shù)據(jù)也是風(fēng)控模型的入?yún)?，風(fēng)控通常使用的包括隨機(jī)森林、邏輯回歸、GBDT等模型。客戶進(jìn)入系統(tǒng)借款時(shí)，風(fēng)控決策系統(tǒng)會(huì)對(duì)其操作和各類信息進(jìn)行判斷，決定其是否可以進(jìn)入授信環(huán)境，當(dāng)判斷沒(méi)有問(wèn)題后。便會(huì)對(duì)其進(jìn)行額度評(píng)估并給出其合適的額度。在這一過(guò)程中，規(guī)則引擎是核心環(huán)節(jié)，鑒于當(dāng)前業(yè)務(wù)發(fā)展的實(shí)際情況，必須是實(shí)施部署、實(shí)時(shí)生效，并且操作友好。引入了drools為基礎(chǔ)，并在此基礎(chǔ)上做了深度定制。目前這套引擎在生產(chǎn)系統(tǒng)中起到重要作用，每天經(jīng)受了高達(dá)幾千萬(wàn)次的調(diào)用。

3踐行成果

通過(guò)對(duì)上述系統(tǒng)的實(shí)施，嘉銀金科已經(jīng)初步建立以大數(shù)據(jù)為核心的風(fēng)控體系，圍繞著這套體系，已經(jīng)建立起兩套不同性質(zhì)的風(fēng)控系統(tǒng)：智能反欺詐系統(tǒng)：該系統(tǒng)目前承擔(dān)身份欺詐、交易安全、賬戶安全等功能，它的定位是會(huì)員準(zhǔn)入，只有通過(guò)該系統(tǒng)的認(rèn)證，才能有資格進(jìn)入授信環(huán)節(jié)。目前該系統(tǒng)平均每天的調(diào)用量高達(dá)數(shù)百萬(wàn)次，目前系統(tǒng)的各項(xiàng)性能指標(biāo)均滿足之前的設(shè)計(jì)要求，未來(lái)該系統(tǒng)還將繼續(xù)擴(kuò)容，交給B端客戶使用，形成真正意義上的Saas系統(tǒng)。智能風(fēng)控系統(tǒng)：該系統(tǒng)主要承擔(dān)授信功能，通過(guò)反欺詐系統(tǒng)的認(rèn)證后，即可進(jìn)入系統(tǒng)，該系統(tǒng)主要與大數(shù)據(jù)的風(fēng)控集市和實(shí)時(shí)計(jì)算交互，通過(guò)機(jī)器學(xué)習(xí)模型、評(píng)分卡等功能對(duì)借款用戶進(jìn)行授信，整個(gè)過(guò)程最長(zhǎng)在3秒內(nèi)完成。

4結(jié)論

通過(guò)這些系統(tǒng)的建設(shè)，嘉銀金科在金融科技領(lǐng)域已經(jīng)慢慢擠入主流金融科技系統(tǒng)服務(wù)商，截止2019年12月，風(fēng)控每天在為十幾萬(wàn)C端客戶提供服務(wù)，并且還有幾十家B端客戶在使用這款產(chǎn)品，包括銀行、農(nóng)信社等。為行業(yè)的發(fā)展提供了有益的嘗試。

作者:方昊 單位:上海你我貸互聯(lián)網(wǎng)金融信息服務(wù)有限公司