风控系列2. 构建有效的风控系统

0. 背景

目前国内已经很多优秀的风控服务商，如同盾科技、数美科技、网易易盾等。本文根据自己的理解，给出了从头构建一个完整风控系统的一个思路。共分为了4个阶段，每个阶段根据不同的目标，实现不同的功能。下面进行具体的描述。

1. 第一代系统

第一代系统框架。

1.1 目标

快速实现并且能够解决最为简单的风险问题。

1.2 框架

1.3 功能说明

重要优先级是处置系统、特征计算、策略引擎。

1. 处置系统：处置方式会有很多，最基本的是人工审核。对于大部分场景，人工审核都是必须的。人工审核的优势很明显，劣势是耗费人力，并且这个随着业务增长，消耗也是呈现线性增加的。

2. 特征计算：业务刚开始时特征计算会和策略甚至是处置耦合到一起，在没有大量策略的情况下，这种模式的效率较高。不过随着风险问题增多，特征计算就需要和策略进行拆分。这个阶段主要处理的问题可以分成以下几种：

• 频率特征：统计不同的维度和不同维度组合，对不同维度进行频率控制。频率的阈值可以根据整体业务频率分布的置信区间来定制。
• 内容特征：文本类可以使用关键词、正则和文本相似；图像等可以使用图片相似，OCR等；其他媒体类似。

3. 策略引擎：策略引擎是一个很核心的功能，后期策略引擎会逐渐变得简单可用，能够处理各种紧急问题。目前有很多开源的引擎如drools。策略引擎需要支持基本的与或条件组合，需要对>,<, =,!=,in,like,等计算进行支持。策略识别和处置豁免逻辑尽量在逻辑上解耦，避免因为识别未处置造成风险而不知。

2. 第二代系统

2.1 目标

1. 自动发现严重的问题，并进行管控。
2. 将已经解决和识别的风险，转变为知识。

2.2 框架

2.3 功能说明

1. 无监督风险发现：使用聚类算法对聚集的风险进行识别，并通过策略进行控制。常用的如minhash，kmeans等。

2. 知识库：手机黑库、设备黑库、用户黑库、IP黑库等。不仅能够将能力进行固化，还能解决跨业务的问题。

3. 第三代系统

3.1 目标

1. 引入更为专业的人员和方法。

3.2 框架

3.3 功能说明

1. 深度学习模型：使用深度模型，可以提升识别的泛化能力，减少对抗的频率。深度学习通常属于方案B，对于新的问题，需要方案A先进行紧急处理，等待模型训练上线。
2. 专家系统：策略计算的升级版。行业专家可以通过系统，实现各种特征，而不需要进行开发。这样对各种风险问题都能进行高效的管控。同时专家系统可以配合人工审核，进行各类专项治理。

4. 第四代系统

4.1 目标

1. 更为深入的机器学习算法。

4.2 框架

4.3 功能说明

1. 画像&知识库：随着业务的复杂性的提升，需要进行更精细话的操作，这样就需要对各种业务物料、用户设置标签，同时丰富的标签可以用于模型中。
2. 行为识别模型：通过行为识别，可以更细粒度的进行风险管控，通过用户简单的几个行为，就能判断出是否有风险。避免像频率一样，需要累积到一定程度。

汇总

要解决的问题从简单到复杂，对应的系统也需要从简单到复杂，重要的不是功能有多完善有多强，而是适合当前的阶段，能够很高效的解决掉80%以上的问题。

本文只是说了简单的一个思路，还有很多问题，后面慢慢的补吧。

参考

数美科技
网易易盾
同盾科技

风控系列文章目录

这篇好文章是转载于：学新通技术网