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...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
POSTS&TELECOM PRESS Co., LTD
2019-12-01
|
| Series: | 智能科学与技术学报 |
| Subjects: | |
| Online Access: | http://www.infocomm-journal.com/znkx/CN/abstract/abstract169796.shtml |