站長資訊網
        最全最豐富的資訊網站

        解析|支付寶風控的無人駕駛方案,實現風控策略精準推薦

        解析|支付寶風控的無人駕駛方案,實現風控策略精準推薦

         

          背景

          近年來自動駕駛技術大紅大紫,從Google無人駕駛汽車到Tesla Model-S量產,無人駕駛技術慢慢從概念走向了現實。 如今,“自動駕駛”的概念則被支付寶創新性地應用到了風控領域,通過AI技術顛覆傳統風控的運營模式,實現風控領域的“無人駕駛”技術。

          隨著人工智能的熱潮推進,支付寶風控引擎也從CTU時代直接進入AlphaRisk時代,開啟了人工智能驅動的支付風控的新紀元。其中,最大的改變就是AI算法的全面應用,以及引擎功能模塊的升級。AutoPilot作為AlphaRisk四大核心模塊之一,目標是實現用戶核身方式的精準推送。

          有別于經典的基于專家經驗的風控策略,以及單一模式的核身推薦,AutoPilot通過半監督算法和進化算法實現了用戶個性化的風險控制策略,不同用戶的核身認證方式因場景、時間和地點的不同而不同,同時大大提升了風險控制的精確性、實現風控運營自動化能力。

          不僅如此,在2017年天貓雙十一,AutoPilot首次面對大促交易峰值的考驗,實現了完全無人風控策略調整,風控引擎自動根據交易流量和風險變化動態調整風險控制強度。

          下面,我們從技術的角度出發,給大家揭秘AutoPilot的方案思想。

          AutoPilot的核心思想

          1) 用戶分群

          用戶分群是通過決策樹算法+德爾斐法相結合而得,綜合考慮了分群的穩定性、業務含義和風險概率,既從大數據角度出發科學分群,又包含了特定的業務含義。

          2) 多目標優化

          風險決策策略推薦需要解決的問題是求滿足多業務目標(打擾率、覆蓋率、失敗率和限權率)的最優解。這是一個典型多目標優化問題:

        解析|支付寶風控的無人駕駛方案,實現風控策略精準推薦

          而現實世界的多目標優化問題存在兩個困難:相互制衡或沖突的目標和復雜的解空間。因此多目標問題不存在單一最優解,而是存在一組帕累托最優前沿(Pareto-optimal),在缺乏主觀偏好函數下無法進行解之間的權衡,使得解空間可能非常復雜和龐大,所以高效率而精確的求解極為困難。

        解析|支付寶風控的無人駕駛方案,實現風控策略精準推薦

          所以樸素的思想是:先推導出一組帕累托最優前沿,然后選擇一個最優解,可以有下面三種具體實現方法:

          i.先決策后搜索,根據人為偏好,將多目標融合轉化為單目標,此方法需要對業務有深入的理解;

          ii.先搜索后決策,先搜索出一組最優解,再根據偏好選擇其中一個解,此方法需要較長的計算時間;

          iii.同時搜索和決策,每一步的搜索結果輸出給人工進行交互;

          自然而然,進化算法成為最好的選擇之一。

          進化算法的概念如下:

          ·維持一組候選解集合(population)

          ·評價種群中個體的適應度(fitness)

          ·進行選擇操作(selection),高質量的個體保留進入操作池

          ·進行雜交和變異(crossover/mutation)操作,產生下一代種群

          進化算法的目標為盡可能的靠近帕累托前沿,而且解的分布盡可能的廣泛,使種群有較好的差異性。

        解析|支付寶風控的無人駕駛方案,實現風控策略精準推薦

          最終的算法我們采用了基于RWGA的改進: Random Weight Based + niche method。具體算法步驟如下:

          step1: 生成初始隨機種群E;

          step2: 對種群中每個個體賦予一個適應度:對每個個體,基于隨機權重w,匯總多目標函數為一個原始的適應度值;同時根據個體周圍的生態擁擠程度,對適應度進行懲罰調整;

          step3: 基于適應度計算選擇概率;

          step4: 基于選擇概率選擇雜交父母,雜交后進行變異操作,得到集合Q;

          step5: 合并E和Q,選擇適應度靠前的子集進入下一代;

          step6: 若不滿足停止條件,則step2;

          AutoPilot的應用結果

          AutoPilot實現了風險覆蓋和用戶打擾的最佳平衡,在保障風險資損低水位的基礎上,實現了管控方案從千人一面向千人千面的轉換。當交易被識別存在風險時,AutoPilot可自動推薦最適合這個會員,且最安全的管控方案,實現用戶核身體驗的最優化。以O2O線下支付場景為例,該場景最常見的風險為的用戶手機丟失(即用戶手機丟失后,被非本人使用),AutoPilot通過AI算法匹配,優先推薦人臉等生物核身手段,而非傳統或靜態核身方式,以有效保障賬戶資金安全。

          同時,AutoPilot實現了風險防控策略的自助運營,極大減少人工干預。2017年天貓雙十一大促,AutoPilot首次落地應用,根據交易流量和風險變化動態自動調整模型和策略的管控力度,實現了無人調配策略的可能,并經受住了大促時期黑產的攻擊。

          結語

          總而言之, AlphaRisk的核心內容是人類直覺AI(analyst intuition)和機器智能AI(Artificial intelligence)相結合,打造具有機器智能的風控系統。而AutoPilot作為AlphaRisk的核心功能,最大用的意義在于“科學決策”和“無人駕駛”。

          2017年初,支付寶開始建設AlphaRisk風控大腦,愿景是探索風控領域的無人駕駛技術。 AlphaRisk項目1期上線后,支付寶的資損率從原先十萬分之1下降至 百萬分之0.5以內 ,讓欺詐損失率低于任何銀行卡服務。目前,支付寶的資損率僅為國外先進第三方支付公司資損率的1/200,處于行業的絕對領先水平。而這一切,都是為了支付寶的用戶能夠用戶更極致的安全和更完美的體驗。

        特別提醒:本網信息來自于互聯網,目的在于傳遞更多信息,并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾,并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益,請及時聯系我們,本站將會在24小時內處理完畢。

        贊(0)
        分享到: 更多 (0)
        網站地圖   滬ICP備18035694號-2    滬公網安備31011702889846號
        主站蜘蛛池模板: 国产精品狼人久久久久影院| 精品人妻一区二区三区毛片| 办公室久久精品| 亚洲精品国产高清嫩草影院| 久久久久久久99精品免费观看| 伊人久久精品无码二区麻豆| 国产精品日韩欧美久久综合| 国产精品无码无片在线观看| 亚洲精品在线视频| 国产精品无码国模私拍视频 | 一本大道久久a久久精品综合| 久久99精品久久久久久hb无码| 西瓜精品国产自在现线| 国产精品男男视频一区二区三区| 国产精品亚洲欧美一区麻豆| 欧洲精品色在线观看| 亚洲精品无码久久毛片| 精品福利一区二区三区精品国产第一国产综合精品| 精品国产a∨无码一区二区三区| 在线精品亚洲| 久久久久人妻一区精品果冻| 国产精品V亚洲精品V日韩精品| 久久精品国产99国产电影网| 国产精品禁18久久久夂久| 亚洲高清国产AV拍精品青青草原 | 国产精品成人99久久久久| 免费欧美精品a在线| 久久精品国产亚洲一区二区| 国产精品高清一区二区人妖| 国产成人精品手机在线观看| 久久久一本精品99久久精品66| 亚洲日韩国产精品第一页一区| 欧美精品亚洲精品日韩专区| 久久久久久久久久免免费精品| 国产精品综合久久第一页| 国产三级精品三级| 国产精品久久久天天影视香蕉 | 久久精品国产黑森林| 久久精品成人| 欧美国产成人精品一区二区三区 | 亚洲精品高清在线|