图数据库应用系列（一）：金融智能风控
导语
图数据库是一种新型的NoSQL数据库管理系统，使用图论(GraphTheory)的“图”作为数据模型，将实体表示为图的节点，实体间的关系表示为图的边，能够直接揭示事物之间关联关系。
图数据库解决了困扰数据库界已久的复杂关联（多表关联）难题，善于处理海量的、复杂的、互联的、多变的网状数据，特别适合于高效治理异构大数据、深度挖掘复杂网络以及推理预测隐性关联关系。
图数据库作为一种新兴的大数据、人工智能底层支撑技术，相关应用介绍资料较少。为此，我们特别策划推出了“图数据库应用”系列文章，将以创邻Galaxybase图数据库为例，向您介绍图数据库技术在各行业领域中发挥的重要作用和带来的客户价值。
金融新风险层出
图数据库助力智能风控
在经济和科技高速发展的今天，黑产、不法分子、投机分子等绕开监管的犯罪手段不断升级，金融机构越来越多地面临着复杂化、规模化、隐蔽化的风险威胁。例如，新型信贷欺诈中，犯罪分子利用合法的信息（如以招工名义大量收取到的身份证）成功获批信用卡，以此来非法套现并将套现资金用于放贷，或者待信用卡额度养高后最大程度的使用完信用额度，然后销声匿迹，给金融机构造成塌方式损失。由于团伙中的个体伪装得与普通账户无异，因此十分难以被提前侦测出来。又如，企业为了满足授信要求，通过各种关系人和关联企业进行相互担保，出现联保、互保、循环担保等情况，形成复杂的“担保圈”。一旦某个企业因资金链断裂无法偿还贷款需要担保人偿贷，则风险会在圈内企业扩散，容易产生连锁反应，甚至引发区域性乃至系统性风险 。去年上半年，因担保圈内企业爆发债务危机就引发了山东省的地炼企业倒闭潮。由于担保圈所涉及的相关债权债务关系具有复杂性和隐蔽性，要做到及时、有效的检测十分困难。再比如，为黑社会、毒品/走私集团、贪污腐败者、恐怖份子等不法人群洗钱的地下钱庄为了将非法收益与其来源分开，会最大限度分散交易账号，并通过多层金融交易掩饰线索和隐藏身份，交易层级可多达十几层甚至数十层，形成了非常复杂的交易网络。由于洗钱过程复杂、所涉关联交易数量庞大，给监管和追查带来了巨大挑战。
可见，无论是对私业务还是对公业务，金融风控都不得不面对多角色、多账号的复杂关联关系。然而，这些关联关系涉及到的数据量之大、跨越维度之多、关联深度之深，对于传统技术手段来说是几乎不可能完成的任务。而这正是图数据库能够大显身手的用武之地。
1.Galaxybase火眼侦测“欺诈闭环”
新型的信贷欺诈团伙十分难以侦测：从单点看，嫌疑人的信息和行为均属正常，只有把隐秘的关系网络当作整体，才能发现存在的异常规律和潜在风险。传统反欺诈手段无法及时发现此类隐蔽的团伙组织并预先采取措施，而团伙欺诈又往往损失巨大、难以追回。如图，信用卡客户“张三”、“李四”从单个账户信息、以及支付、还款行为来看都很正常，满足提额条件。当额度增加到预期水平时，他们分别最大化地使用完信用额度，然后“跑路”，待银行追要逾期款时已是“人去楼空”。欺诈申请人彼此之间看似无直接联系，但由于欺诈团伙要考虑犯罪成本经济性，这意味着他们需要重复使用相同的资源（如手机号、地址、联系人、设备、公司等）来合成多个完整的虚拟身份，这些重用的资源便为我们追踪他们，发现风险账户之间的隐形关联留下了线索。
欺诈环示意
利用Galaxybase图数据库，金融机构可以跨部门、跨产品地整合各业务线中的实体及其元数据信息，构建多触点、全维度客户关联网络图谱，立体、动态地描绘账户个体特征、账户间直接/间接联系、及账户群特征。通过环路计算、关联规律分析、网络社群发现等图分析手段，结合对客户个体及所属群体特征的机器学习，识别账户及账户间的异常关联、交易模式，助力金融机构精准定位恶意个体及其团伙，在逾期行为发生前及时采取措施，规避巨额损。
2.Galaxybase慧眼识别“担保圈”
企业信贷中的“担保圈”所涉关系复杂，既包括复杂的资金往来网络，又涉及到因担保、借贷、产业链上下游、管理层交叉任职、交叉持股等形成的盘根错节的关联。
“担保圈“的形成使原本没有直接往来的公司变得息息相关，圈内一个企业的经营风险会沿担保链条级联扩散，引发圈内其他企业信用风险，甚至会成为诱发区域性、系统性风险的导火线。
担保圈示意
通过Galaxybase图数据库，金融机构可以轻易以“实体-关系”的结构将企业及其投融资、股权、担保、供应链、客户、任职等多维关系及关系对象组织起来建立企业知识图谱，再应用连通图挖掘、频繁子图挖掘、最短路径等图分析技术寻找相互关联的企业集团、隐性控制人、间接关联企业，并追踪担保链条。通过将企业上下游多度关联企业和企业自身的信贷、资信、关键人及运营情况信息相结合，金融机构能够综合全面地分析、评估担保风险，定位潜在高风险群体和需要重点监控的关键企业，防范交叉违约和风险传染，实现更加准确的贷前风险评估和高效的贷后风险监控。
风险传递节点示意
3.Galaxybase天眼挖掘“洗钱网络”
洗钱具备团伙性、实时性、隐蔽性、手法多变等特征，传统的基于静态规则的反洗钱手段很难应付。在和金融机构的博弈中，犯罪分子不断掌握反洗钱规则，有针对地进行规避，洗钱手段变得更加复杂和多变，让静态规则的时效性越来越短。加之传统的反洗钱往往依赖于大规模离线计算，通常有着很高的延时，给犯罪分子留下了很大的逃脱时间窗。因此，打击隐匿于庞大金融交易网络中的洗钱团伙成为了巨大挑战。
洗钱网络示意
不同于前述客户知识图谱和企业知识图谱，银行账号间的交易网络存在数据量大、数据更新快、数据会过时等特点，这些都对图数据库的数据处理功能和性能提出了极高的要求。Galaxybase图数据库能够存储万亿点边规模的账号交易网络，实现百万节点的毫秒级查询响应，支持大规模数据实时插入实时计算，能够高效删除过期数据。通过将账号个体转账行为规律、账号特征数据和账号关联网络数据打通，金融机构可以结合监督式和非监督式学习打造多层动态的风控体系，降低洗钱账户的误报率和漏报率，有效发掘高风险账户群体。同时，基于Galaxybase的图计算引擎，金融机构还能对新建账户及新发生的交易，实时计算其交易特征、交易对象特征和账户关联网络特征，实时判定交易风险，及时拦截非法资金流。
4.小结
当今的金融环境下，金融风控的诸多场景都存在维度多、数据量大、关联隐蔽、潜在损失巨大、损失难以追回等特点，传统数据库技术无法很好解决。图数据库专门为优化复杂关联查询而设计，善于处理深层次的关联关系，非常适用于金融风控场景。图数据库技术可以融合多源异构数据，对数据间形成的高维的、复杂的关系网络进行直接地表达，将散落于各个系统孤岛中的客户、交易、行为数据构建成完整的高维用户画像，赋能金融机构实现从单点视角到全局视图、从静态数据到动态智能的飞跃。
Galaxybase作为新一代分布式原生图数据库的代表技术，不仅具备世界领先的关联关系深链查询能力，更具备优异的分布式图计算性能，内置关联挖掘图计算引擎支持丰富的可配置图算法，让金融机构真正做到从数据到决策的零延时衔接，实现基于实时用户数据作出实时风险决策的智能风控。
————————————————
版权声明：本文为CSDN博主「创邻科技」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_41604676/article/details/112285390
图数据库应用系列（一）：金融智能风控相关推荐
- IRC/ML：金融智能风控领域相关术语解释(黑灰产群控、风控指标/字段、口径逻辑)、金融智能风控领域九大场景之详细攻略
IRC/ML:金融智能风控领域相关术语解释(黑灰产群控.风控指标/字段.口径逻辑).金融智能风控领域九大场景之详细攻略 目录 金融智能风控领域的相关术语 1.如何判断黑灰产群控 风控指标/字段相关概念 ...
- 架构设计参考项目系列主题：智能风控决策引擎系统可落地实现方案：风控监控大盘实现
本文转自: 技术岁月 Author 贺鹏Kavin 目录 I.前文提要 II.完整决策流 III.风控结果数据分析监控 IV.引入 Fink I.前文提要 通过之前五篇文章,分别介绍了决策引擎的主要功 ...
- 图数据库JanusGraph介绍及使用(一)：简介
图数据库JanusGraph介绍及使用(一):简介 作者:家辉,日期:2018-07-01 CSDN博客: http://blog.csdn.net/gobitan 说明:这是图数据库JanusGra ...
- 图数据库JanusGraph介绍及使用(三)：安装与初步使用
图数据库JanusGraph介绍及使用(三):安装与初步使用 作者:家辉,日期:2018-07-05 CSDN博客: http://blog.csdn.net/gobitan 说明:这是图数据库Jan ...
- TigerGraph：实时图数据库助力金融风控升级
作者:李晨.TigerGraph高级解决方案经理 随着互联网金融的发展,传统金融机构一边享受着金融科技带来的效率提升和服务边界的扩大,另一边黑产的攻击手段也在不断升级,金融机构遭遇的欺诈情况越来越复杂 ...
- 图数据库在中国移动金融风控的落地应用
本文整理自中国移动算法工程师--汪海涛在 NebulaGraph 2022 年度用户大会上的分享,现场视频见 B 站:https://www.bilibili.com/video/BV1Ae4y127 ...
- 创邻科技张晨：智能物联为图数据库的迅速发展提供了良好应用场景
12月23-24日,2021数据技术嘉年华(DTC)将通过墨天轮社区线上举办.围绕"智能·创新·新生态--数据智领未来 生态共创价值"这一主题,来自数据领域的领军人物.学术精英.技 ...
- Nebula 在 Akulaku 智能风控的实践：图模型的训练与部署
本文整理自 Akulaku 反欺诈团队在 nMeetup·深圳场的演讲,B站视频见:https://www.bilibili.com/video/BV1nQ4y1B7Qd 这次主要来介绍下 Nebul ...
- 图数据库应用：金融反欺诈实践
1 背景介绍 1.1 传统反欺诈技术面临挑战 数字技术与金融业的融合发展,也伴随着金融欺诈风险不断扩大,反欺诈形势严峻.数字金融欺诈逐渐表现出专业化.产业化.隐蔽化.场景化的特征,同传统的诈骗相比,数 ...
最新文章
- 徐铁：当深度学习握手脑科学-圣城会议归来
- 【爬坑】在 IDEA 中运行 Hadoop 程序 报 winutils.exe 不存在错误解决方案
- Metaspace 引起的 FullGC 问题排查过程及解决方案
- mysql查询职位大于3_4、MySQL查询（控制行）
- SpringMVC中向服务器传输数据（解决get、post、delete、put请求乱码问题）
- 我在使用chrome经常使用的一些技巧
- 中国海洋大学计算机学院研究生导师,中国海洋大学硕士研究生导师介绍：唐瑞春...
- 前端开发 样式表的建立和优先级 0229
- android源代码在线查看
- Microsoft Windows PE
- 爬取大众点评网页端店铺评论
- 次坐标从0开始_中考热点专题突破精讲精练3： 与坐标系中的有关热点问题
- 一次完整的JVM堆外内存泄漏故障排查记录
- Mysql 多表查询详解
- 【管理与控制】干线控制
- MicroNet实战：使用MicroNet实现图像分类（二）
- 贵金属解套11.19解锁黄金期货原油实时操作建议指导
- 北大肖臻老师《区块链技术与应用》系列课程学习笔记[8]BTC课堂问答
- 微信小程序实现文本循环无缝滚动 真实有用
- 数据库约束的一些用法总结（constraint）
热门文章
- python 单继承的实现
- 10 行 Python 代码，批量压缩图片 500 张，简直太强大了
- 排序算法的python实现
- 超详细 1小时学会Python输入和输出！
- VS直接调试可执行文件main函数.exe输入参数argc（项目--＞ 属性--＞ 调试--＞ 命令参数）
- JavaScript学习笔记（2）
- 【中级软考】PV操作是什么？（passeren【通过、申请资源、减量】、vrijgeven【释放、释放资源、增量】【荷兰文】）（用于进程间同步）
- python decode()函数 （使用登记用于编码的编解码器解码字节）
- Java虚拟机JVM常用的几种回收算法和垃圾回收器
- 安装OpenResty，实现分发层、应用层nginx+lua开发(附加问题：bad argument #2 to ‘set_keepalive‘ (number expected, got nil)