全部产品
弹性计算 会员服务 网络 安全 移动云 数加·大数据分析及展现 数加·大数据应用 管理与监控 云通信 阿里云办公 培训与认证 更多
存储与CDN 数据库 域名与网站(万网) 应用服务 数加·人工智能 数加·大数据基础服务 互联网中间件 视频服务 开发者工具 解决方案 物联网 智能硬件

金融风控

更新时间:2017-06-07 13:26:11

点此咨询顾问

本案例主要针对的是金融行业的风险控制。下图是已知的一份人物通联关系图,每两个人之间的连线表示两人有一定关系,可以是同事关系或者亲人关系等。已知“Enoch”是信用用户,”Evan”是欺诈用户,计算出其它人的信用指数。通过图算法,可以算出图中每个人是欺诈用户的概率,这个数据可以方便相关机构做风控。

金融风控1

业务痛点及需求

缺乏相关的关系网络架构,可以通过人与人之间的通联关系,挖掘出每个人的信用情况。

系统架构

本案例使用数据为自己生成的伪数据,采用阿里云机器学习平台搭建了一套包括数据预处理、统计、结果计算的流程。

架构图:

金融风控2

单源最短路径

通过“单源最短路径”组件探查出每个人的一度人脉、二度人脉关系等。distance讲的是“Enoch”通过几个人可以联络到目标人。如下图

金融风控3

标签传播分类

“标签传播分类”算法为半监督的分类算法,原理是用已标记节点的标签信息去预测未标记节点的标签信息。在算法执行过程中,每个节点的标签按相似度传播给相邻节点。

通过SQL对结果进行筛选,最终结果展现的是每个人涉嫌欺诈的概率,数值越大表示是欺诈用户的概率越大。

金融风控4

优势

算法成熟度

阿里云机器学习平台提供了成熟的数据挖掘算法。本案例使用的相关图算法全部来自于集团内部项目的沉淀,经历过超大规模数据的锤炼。在算法的精确度和效率方面都是世界领先水平。

简便的操作界面

阿里云机器学习平台采用拖拉拽的方式进行组件操作,及时是毫无数据挖掘经验的从业者,经过简单的学习,也可以轻松通过拖拉等操作玩转大数据。

使用产品

点此咨询顾问

本文导读目录