正在阅读：　3.15不仅关乎你的“米袋子”，更得看紧你的“钱袋子”　3.15不仅关乎你的“米袋子”，更得看紧你的“钱袋子”

　　一年一度的3.15晚会前几日如期而至，一些“不负众望”猛料又浮出水面，再一次更新大家的认知。

　　在这个皮革奶、苏丹红、瘦肉精满地跑的时代，“消费陷阱”频出，欺诈已不仅仅渗透到我们生活中的“柴、米、油、盐、酱、醋、茶”，而是转而盯紧了我们的“钱袋子”。

　　在 股市暴跌、互联网和线下理财平台问题频出的时候，有句顺口溜是这么说的：土豪死于信托，中产死于股市，屌丝死于P2P，总有一款骗术属于你。这句顺口溜说的就是金融欺诈。今天小编就趁着3.15之际，给大家扒一扒金融欺诈这件事儿。

　　我们在享受互联网、移动支付等带来的便捷的同时，金融机构和广大消费者也面临着金融诈骗高发的威胁。金融诈骗形式多样、方法各异，政府、金融机构不遗余力的宣传教育消费者提高安全意识，但案发率仍然很高。违规商户盗取顾客信用卡信息、黑产盗刷信用卡，使得消费者防不胜防。银行等金融机构不断加强“风控”体系建设，从传统的“事后风控”提高到“事中风控”。当犯罪分子伸出黑手时，实时风控系统依靠其精准的专家规则、智能的风控模型、强大的计算能力，在数毫秒之内识别出风险行为，及时阻止交易，从而保护消费者、国家金融资产免受损失。

　　在当前互联网金融、移动支付已经全民普及的今天，传统的“批处理”、“准实时”这种事后处理模式显然已经不能应对其中的金融风险。理想的事中处理模式要在海量的转账、支付交易执行过程中“实时”完成其历史数据关联分析、事件流(登录、查余额、转账)关联分析、时间序列分析、深度学习模型计算、同类型消费群体分析以及交易网络关系分析等等多种分析手段，最终决策对当前交易是否放行。当用户点击付款按钮、或者“扫一扫”的一瞬间，一个巨大的漏斗在层层过滤掉风险，所以超低延时、非线性、超高并发是“事中”实时风控系统需要攻克的主要难题。

　　华为公司推出的Real-Time Decision(RTD)分布式实时决策引擎FusionInsight RTD，具有数据库的标准开发方式(遵循SQL 99标准、PL/SQL语法)和数据可靠性机制，并拥有流处理/CEP(Complex Event Process，复杂事件处理)的高并发、低时延、持续计算(滑动窗口、模式匹配)能力。为了达到极致性能的实时计算，FusionInsightRTD将大数据运算的多种理论与思想糅合在一起，如近数据计算(Near Data Computing)、增量计算(Incremental Computing)、时间序列数据立方体(Time Series Cube)等，同时将硬件能力发挥到极致。

　　1) 近数据计算

　　FusionInsightRTD采用先进的编译技术，将计算逻辑下发在数据块上，配合数据建模和路由分发技术，实现所有的数据在本地内存计算，消除节点/进程间通信。同时编译技术还将多个同分区数据上的计算逻辑编译在一起，减少调用次数，来节省调度层和数据计算层的网络开销。这好比将水质检测器置入河水中，非取样带回实验室，而失去了原来的“味道”。

　　2) 增量计算

　　交易事件是流动且有先后次序的、也就是时序数据，这类数据有两种比较耗时的计算，一种是聚合操作(sum、count、average等)，一类是多个事件发生模式，如A事件发生多久后发生B事件。解决这种问题是流处理/CEP的优势，反而是数据库的劣势，FusionInsightRTD在数据库的上层增加了流处理实现了数据的增量计算，同时兼有数据库的数据可靠性。面对每日数十亿次的交易流水，全量计算或许要滞后于好几个小时，而增量计算在数据时效性和正确性之间取得了平衡。基于规则和模型布控时，参考的是最新的数据指标，这对于风控如战场的攻防实战中，像一把利剑直插敌人的心脏。

　　3) 时间数据立方体

　　FusionInsightRTD基于OLAP 数据立方体理论，将时间序列数据立方体引入实时决策领域中，时间序列数据立方体包括数据维度、计算指标、时间三个维度。数据维度可以是当前客户、或者卡号等小维度、也可以是所有客户、所有持卡人、业务号、渠道号、设备等大维度，计算指标分别为数值型、离散型以及比率型等数据类型之上的最大、最小、中位数、方差、标准差等指标，足以满足金融领域以及IoT领域的决策计算需求。精确到秒的多叉树数据结构，能够快速的查询任意时间窗口的计算指标，比如当前持卡人过去3分钟、30分钟、2小时、24小时、72小时的登录次数、查询次数、交易总和、交易次数等指标，展开复杂事件分析。有了数据立方体，实时监测某用户24小时之内，登录30秒之后查询余额，然后一次性将余额全部转出的行为变得非常容易，真正的做到全方位立体监控。

　　4) 硬件能力发挥极致

　　全内存计算，所有计算全部在内存完成;

　　为了可靠性必须做的持久化落盘，仅写数据的日志，并在落盘时变为顺序写;

　　为了可用性实现的数据多副本，降低了写性能，但多副本带来读性能的倍增;

　　通过数据分块实现分布式和并发，无锁设计，将CPU跑到极致。

　　“大数据+人工智能”是未来大数据风控的突破口。大数据、人工智能、活体识别、人像比对、设备指纹、人脸识别等大量的风控技术，在将来都可以被运用到风控场景之中。FusionInsightRTD加强规则风控能力的同时、全力以赴推动人工智能在风控场景中的落地，如已经在客户现场实施的多模型实时评分引擎、即将发布的特征变量平台能够支持千万维超大模型毫秒级的预测。FusionInsightRTD 将构建端到端的实时在线推理平台，不仅支持华为自研的数据挖掘模型，还通过引入PMML标准机器学习模型与合作伙伴展开积极合作，共同推进人工智能在实时风控领域的发展。

　　移动互联时代，互联网金融、区块链等全新的业务模式不断驱动着金融创新，招商银行率先提出了向着“轻型银行”和“一体两翼”的战略目标转型，在大数据领域与华为持续紧密合作，共同推进金融大数据的联合创新。双方共同探索实践的FusionInsight RTD 平台一经推出，其高可靠、高性能、易用性、创新性、自主性的五大特点，可实现业务人员在一周之内写出上百个业务规则。不仅如此，FusionInsightRTD完整的集群管理方案，如主备、双活，给系统维护任意留下灵活的操作空间。新风控系统上线后，招商银行在手机银行、掌上生活等主要的线上以及线下渠道进行了布控，对包括登录、转账、支付等重要交易节点进行了全方位的风险拦截。新系统的推行，使招行风险案件量下降了50%以上，挽回的经济损失超过亿元,系统在生产环境的真实业务处理过程中达到了10000TPS，而且响应时间稳定在50毫秒左右，性能比传统的风控系统提升了近10倍，业务的连续性可达到99.99%。

　　除了在银行领域，FusionInsightRTD在某千亿级全球电商平台也承担着保价护航的关键角色，在短短的3个月内，该项目从调研到实施落地，每天经历数十亿次的实时风控决策请求。正是基于在国内的成功运用，该组织正打算将FusionInsightRTD部署在国外站点，并合作展开国际联合风控。

　　FusionInsightRTD并没有满足于现状，不断的加大研发投入，积极的拥抱新技术、与全球高校研究机构展开合作，将新的理论集成于产品，帮助客户树立安全可信的高大形象，为老百姓管好“钱袋子”。在“大数据+人工智能”的风头浪尖上，华为大数据是坚定的践行者。