展现了卓越的批量载入数据效率,轻松灵活的实现了业务的复杂关联查询需求,并且满足时间窗口要求。在多用户并发情况下,更新和查询都保持了一定的稳定性和时效性,满足了将图技术嵌入多层反欺诈系统的需求。
该客户正在寻找一种工具来帮助他们实现移动应用程序(小额贷款)实时在线审批的实时响应。经过测试Orient DB不符合要求,因此转向了TigerGraph。将图分析引入该环节,有很明确的复杂分析逻辑和低于50ms的时间窗口限制。需要在查询的同时,实时更新数据,提高时效性和准确性且有高并发的要求。
该客户使用多层反欺诈系统(设备检查->黑名单/黑名单->规则->风险建模->决策)支持实时金融服务应用程序。 在风险建模层,该客户正在使用TigerGraph图分析进行客户特征和标签的标注——有许多顶点类型,例如事件、帐户、电话号码、设备、MAC地址、IP、WiFi。 然后从其在线数据平台获取数据,构建应用程序欺诈检测。 利用TigerGraph多步遍历检测黑色实体,遍历扫描相同的前缀ip地址和电话号码后,计算任意两个实体之间的距离。
该公司致力于成为国际领先的科技型个人金融生活服务集团,在运用科技助力金融业务提升服务效率、提升风控水平、降低运营成本的同时,将创新科技深度应用于构建“金融服务、医疗健康、汽车服务、房产服务、智慧城市”五大生态圈,持续为2亿个人客户和5.16亿互联网用户提供金融生活产品及服务。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.