本文以经典的下单风险识别场景为例,为您介绍如何使用PAI和风险识别产品进行风险控制。

前提条件

  • 购买风险识别,详情请参见购买风险识别服务
  • 创建PAI-Studio项目(详情请参见创建项目),并将用户数据导入至PAI-Studio的底层计算引擎MaxCompute中。

背景信息

风控涉及到日常生活行为的各个方面,例如线上交易订单、注册账号及账号登录等行为都会涉及到风控校验。一个完整的风控校验不仅包含风控领域常见的模型或数据规则匹配,还需要符合用户自身的业务个性化特点。

以一份打标好的用户订单数据(如下图所示)为例,进行订单风险识别时,不仅需要兼顾基于邮箱格式的风控领域常规逻辑(例如,校验邮箱的格式或命名是否真实,邮箱是否为空等),而且需要结合用户行为逻辑进行判断。例如,如何将f_1f_2f_3用户的业务逻辑数据应用到风控中,是否能够基于该用户数据进行模型定制化。订单数据

完成以上的风控任务,需要兼顾风控领域的规则性和用户业务的灵活性。您可以将阿里云风险识别产品和阿里云机器学习PAI联合应用,通过风险识别产品提供风险领域的业务判断逻辑,通过PAI提供基于用户业务的灵活定制化能力。

步骤一:构建风险事件

可以将下单行为看作一种事件,需要先创建风险事件。

  1. 进入新建事件页面。
    1. 登录风险识别控制台
    2. 在左侧导航栏,单击决策引擎 > 事件管理
    3. 事件管理页面,单击新建事件
  2. 新建事件页面,配置参数。
    参数 描述
    事件名称 用于区分业务场景,建议使用方便理解的名称。一旦设置该字段,系统不支持修改。例如配置为下单事件
    事件描述 可以记录业务背景或描述,便于后续查看和理解。例如配置为PAI+风险识别
    事件字段 通过单击后面的增加自定义字段,添加数据的所有字段。例如添加下单行为数据的所有字段,包括eventCodeemailaccountIdpricecurrencyamountf_1f_2f_3
  3. 单击继续新建策略
  4. 新建策略页面,配置参数(仅配置如下参数,其它参数使用默认值即可)。
    区域 参数 描述
    策略基础信息 关联事件 选择已创建的事件名称,例如下单事件
    策略名称 用于快速提示和分类策略,可以多次修改。例如配置为虚假订单
    策略描述 可以记录策略配置的背景或描述,便于后续查看和理解。例如配置为虚假邮箱下单或订单特征评分模型高风险
    策略计算逻辑 条件名称 对本条规则的备注,便于查看和理解。例如配置为邮箱不为空,该策略已经内置在风险识别产品中,您可以直接选择。策略逻辑
  5. 单击提交

步骤二:创建用户自定义模型

  1. 进入PAI-Studio控制台。
    1. 登录PAI控制台
    2. 在左侧导航栏,选择模型开发和训练 > Studio-可视化建模
    3. PAI可视化建模页面,单击进入机器学习进入机器学习
  2. 创建空白实验。
    1. 在左侧导航栏,单击首页
    2. 单击新建实验 > 新建空白实验
    3. 新建实验对话框,配置参数。
      参数 描述
      名称 输入虚假下单行为识别
      项目 不支持修改。
      描述 输入虚假邮箱下单或订单特征评分模型高风险
      位置 选择我的实验
    4. 单击确定
  3. 构建实验流程。
    1. 在左侧导航栏,单击组件
    2. 在组件列表,将源/目标下的读数据表组件拖入画布。
    3. 在组件列表,将数据预处理 > 数据合并下的拆分组件向画布中拖入两个。
    4. 在组件列表,将机器学习 > 二分类下的逻辑回归二分类组件拖入画布中。
    5. 在组件列表,将机器学习下的预测组件拖入画布中。
    6. 在组件列表,将机器学习 > 评估下的二分类评估组件拖入画布中。
    7. 将以上组件拼接为如下实验。
      虚假订单实验
      序号 描述
      数据源导入。
      将数据源拆分为训练数据和测试数据。
      分类模型训练。
      预测并评估分类模型。
  4. 运行实验并查看实验结果。
    1. 单击画布上方的运行
    2. 实验运行完成后,可以右键单击二分类评估组件,在快捷菜单,单击查看评估报告,可以查看模型评估报告。
  5. 将模型部署至PAI-EAS,形成RESTful API服务。
    1. 实验运行结束后,鼠标悬停在画布上方的部署,单击模型在线部署
    2. 单击下一步
    3. 资源和模型面板,输入自定义模型名称,其他参数使用默认配置。
    4. 单击部署
    5. 模型状态创建中变为运行中,模型部署成功。模型部署成功
      说明 如果您暂时不使用已部署的在线模型,单击操作列下的停止,以免产生不必要的费用。
  6. 查看模型调用信息。
    部署模型服务后,系统会自动生成一个公网调用的服务地址。您可以在PAI EAS模型在线服务页面,单击待调用服务服务方式列下的调用信息,查看公网访问地址Token访问信息

步骤三:配置网关

如果需要在风险识别产品中获取部署好的模型API服务,则需要在阿里云API网关中进行配置。

  1. 进入API详情页面。
    1. 登录API网关控制台
    2. 在左侧导航栏,单击开发API > API列表
    3. 单击PAI-EAS已发布的API所在行的API名称
  2. API详情页面,单击右上方的编辑
  3. 修改如下配置,其它保持不变。
    参数 描述
    入参请求模式 配置为入参映射(过滤未知参数)入参请求模式
    入参定义 添加模型训练涉及的参数,并将参数位置配置为Query类型。入参定义
    请求Body 选中非Form表单数据。比如JSON字符串、文件二进制数据等复选框。请求Body
  4. 单击保存

步骤四:添加风险识别策略变量

完成以上操作后,您可以使用风险识别产品加载PAI生成的用户自定义模型。

  1. 进入新建API变量面板。
    1. 登录风险识别控制台
    2. 在左侧导航栏,单击决策引擎 > 变量中心
    3. 变量中心页面,单击变量管理 > 自定义API > 新建API变量
  2. 新建API变量面板,配置参数(仅配置如下参数,其它参数使用默认值即可)。
    区域 参数 描述
    选择API 选择区域 选择PAI-EAS服务部署的地域。
    选择API分组 PAI-EAS已部署服务所属的API分组。
    选择API PAI-EAS已部署的API。
    配置API输入 选择事件 选择已创建的风险事件,例如下单事件配置API输入
    配置API输出 变量输出
    需要与PAI-EAS服务的输出结果一致。在二分类场景下,PAI-EAS的输出为一个数组,分别由p_0p_1类别组成(如下图所示),因此可以通过[0].p_1[0].p_0指定输出结果。数组输出
    本文将该参数配置为[0].p_1,如下图所示。配置API输出
    异常情况下的默认输出 本文将该字段配置为-1.
    变量输出类型 本文将该字段配置为DOUBLE.
    变量名称 将变量加载至策略中时,需要根据该字段选择变量。例如,本文将该字段配置为score
  3. 单击确定
  4. 根据自定义变量的变量名称,将配置好的API变量添加至步骤一中新建的策略中。变量添加至策略
  5. 设计计算逻辑。
    风险识别产品中包含多种与邮箱相关的策略,因此需要配置该策略与用户基于PAI自定义生成模型的执行顺序,如下图所示。计算逻辑
  6. 单击提交

步骤五:测试订单风险控制服务

您可以进入OpenAPI Explorer,测试整个服务的效果。

  1. 登录OpenAPI Explorer
  2. 配置Servicesaf_de,表示风险识别产品。
  3. 配置ServiceParameters为调用服务的请求信息,本文的请求信息如下所示。
    {"eventCode":"de_atkpxx0397","email":"kepaeg@teleosaurs.xyz","price":"703","amount":"5","accountId":"11767964","currency":"CNY","f_1":"63","f_2":"100","f_3":"49"}
  4. 单击发起调用
    您可以实时获得请求结果,如下图所示。请求结果
  5. 可选:如果订单交易存在风险(如上图的请求结果所示),您可以通过RequestID,在策略还原中查看该订单具体存在哪种风险策略。
    1. 登录风险识别控制台
    2. 在左侧导航栏,单击策略实验室
    3. 策略实验室页面,单击策略还原
    4. 输入RequestID,并单击查询,即可查看该订单存在的具体风险策略,如下图所示。
      风险上图表明该订单存在的风险策略包括邮箱不为空、邮箱为无效邮箱及PAI生成的评分模型为高风险。