蚂蚁知识图谱在金融风控领域的应用实践
主要痛点
- 海量异构时序数据标准化建设与数据孤岛:数据独立,口径不统一,难以深度关联。
- 业务专家经验缺乏有效管理和沉淀。
- 黑产对抗性:黑产隐蔽性强、突发性高,需要具备实时性、结果可解释性和深度关联挖掘能力。
应用领域
- 贷前
- 实体间关系预测:如用户->用户、商户->商户识别。
- 赌博、欺诈团伙挖掘:基于专家经验的自动规则挖掘。
- 贷中
- 交易转账:基于实时特征的模型在线预测。
- 风险跟踪:突发事件对企业还款能力的评估。
- 贷后
关键技术
- 知识图谱构建
- 三元组构建:实体、属性、关系。
- 知识标准化:提升实体、概念、关系、事件等的标准化和归一化水平。
- 图谱分析
- 社区发现、团伙识别:基于图结构特征发现和标记。
- 实时特征预测:如最近转账次数、交易环境等。
- 图谱服务
- 在线服务:如KGDSL规则引擎、GeniePath关系预测。
- 数据存储:如KGState存储系统,支持Vertex索引、增量更新、多版本等。
成果
- 企业风险图谱融合
- 支付宝域:企业全要素穿透率提升显著。
- 网商域:企业全要素穿透率提升显著。
- 黑产挖掘
- 通过专家经验的自动规则挖掘,成功识别赌博、欺诈团伙。
- 实时预测
亮点
- 最大化隐私保护及数据安全:通过最小化数据属性用于贷款资金穿透定位。
- 高效特征分析:交易特征命中风险策略后,追溯还原至原始贷款凭证。
- 可视化应用输出:输出更安全、直观,便于业务使用。
通过上述技术手段和应用实践,蚂蚁知识图谱显著提升了金融风控的能力,实现了业务价值的快速落地。