TigerGraph：实时图数据库助力金融风控升级

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，基于知识图谱的关联反欺诈也应运而生。

风控就是攻守双方技术的进化史

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，另一边随着科技的发展，“黑产”也从盗号演变成了利用大规模攻击、通过IP池等技术绕过风控规则，金融机构遭遇的欺诈情况越来越复杂，主要有四点的变化：

，专业化。目前的“黑产”团队已经非常专业，不仅有专业的风控人员、专业黑客，甚至还有AI专家，因此金融机构或者金融服务机构如果没有掌握更先进的技术已经无法在技术上获得一个比较优势。

第二，产业化。金融欺诈已经从单个作案发展成了团伙作案，因此“黑产”团伙需要通过大量账号进行大规模攻击以期获得更大的收益。这种方式导致虽然他们的欺诈模式不断变化，但是在短时间内会有行为惯性，也给了风控人员抓住这种行为痕迹的可乘之机。

第三，隐蔽化。目前“黑产”集团跨境犯罪已经非常普遍，这些跨境犯罪集团的手段更加隐蔽包括利用猫池、IP池对身份进行洗牌，潜伏时间较长，交易链路更加复杂等，因此对数据的覆盖范围提出了更高的要求，同时需要风控人员做更深层次的数据挖掘探索。

第四，突发化。因为黑号一旦进入征信系统后号码将无法再次骗贷，因此“黑产”行业主要从两种方式榨取黑号的大价值，他们会用一个号码再很短的时间内对多个平台进行骗贷申请，第二是很多账号同一时间内对一个漏洞进行大规模突击性的攻击，这两种突发式的攻击要求反欺诈监测系统具备高实时性的能力。

因此，回首近年来金融的发展可以看到，风控就是攻守双方技术的进化史。

基于图关系的金融解决方案

截止目前，反欺诈也经历了传统反欺诈、基于大数据反欺诈以及现在的基于知识图谱（关系网络）反欺诈三次进化，其中，基于知识图谱反欺诈依赖的底层技术就是图数据库技术。

上图是美国一个老少皆知的小游戏“connect the dots”，它的玩法就是把所有线索连在一起，即可得知事件全貌。其实图中的点就相当于现在的很多数据，在系统里是零散的，因此如何把这些零散的点按照规律快速地连接起来，就是实时图数据库要做的事情。

如上图所示，点是用户数据，而用户数据是图数据库的基础，因此如何遵循法律法规和监管要求，按照用户授权收集数据是关系网络反欺诈的关键，本文中就不对数据采集这块进行展开了。除了内部数据外，加上其他的外部数据收集之后，风控人员就可以利用用户的客户社会关系、交易模式关联、互联网行为、移动设备等数据对客户的行为模式进行匹配分析，后通过反欺诈规则引擎和机器学习加以辅助，以此判断客户存在欺诈的可能性。

TigerGraph实时图数据库反欺诈应用简介