金融图数据库选型工具“LDBC-FinBench”

图计算技术在金融反洗钱，风控，KYC，股票推荐等领域的价值有目共睹。图数据库作为图计算技术最重要的基础软件，其选型对项目的最终效果起着决定性的作用。

目前，业内还没有针对金融场景的选型测试工具，导致金融机构在进行图数据库选型测试时，只能基于自身的某个场景，或使用一些非金融场景的基准测试（如基于社交网络的 LDBC-SNB，Twitter 数据集等）来对图数据库进行测试。

这两种方式都存在较大的缺陷。基于自有场景的测试，在数据代表性、场景算法等方面都有局限，因为进行选型时实际使用场景还没有完全确定，只能使用“当前能想到”的一部分场景、数据和算法来测试。而使用基于社交网络的基准测试，则会产生场景错配的问题，因为社交场景的数据和算法与金融场景并不一致。

为了解决这一困难，蚂蚁集团向国际关联数据基准委员会（下文简称 LDBC）组织提议设计一个针对金融场景的图数据库测试基准，这一基准命名为 LDBC-FinBench（下文简称FinBench），目前已经在 LDBC 正式立项，预计于2022年底发布内测版本，明年第二季度正式发布正式版本。

LDBC-FinBench 项目组由蚂蚁集团牵头，Intel、海致星图、创邻科技、Ultipa、悦数科技、TigerGraph 等国内外10家图计算领域的科技企业、行业专家参与。和聚焦社交网络场景的LDBC-SNB 测试基准不同，FinBench 模拟了金融场景下真实的数据分布和数据查询，帮助了解被测系统在金融场景下的综合表现，为客户选择和采购图计算产品提供了专业、客观的标准和工具。

LDBC FinBench 工作小组经过大量调研和多轮讨论，参考大量国内外成熟的数据库测试基准设计方法和蚂蚁集团、不同金融机构的大量真实业务场景，于2022年6月对外发布了基准说明（草案）并征求意见，进行迭代和丰富，目前已收到不少来自客户、合作伙伴和开发者的询问。大家普遍关注 FinBench 中的图模型（Schema）以及相关的基于图数据的查询（Workloads）。下文将着重介绍 FinBench 在这些方面的设计。

1. 符合真实金融场景的数据模型设计（Data Schema）

LDBC FinBench 的数据模型旨在反映金融系统中的真实数据。现实系统中常见的金融实体包括账户（Account）、媒介（Medium）、人（Person）、公司（Company）、贷款（Loan）。实体是顶点，边反映金融活动，例如资金从一个账户转移（Transfer）到另一个账户。

 （图1，LDBC-FinBench 的数据模型，来源LDBC）

金融场景的数据模型与普通社交网络相比，有一些显著的差别。例如两个账户之间可以存在许多转账记录，在图模型中就显示为两个顶点之间可以存在多条边。而社交网络中的朋友关系，只是单一的边。另外，金融场景中，顶点存在动态的属性来标记实体状态。例如，一个账户根据不同的情况，可以被标记为标黑（blocked）或非标黑；转账的金额差别很大，所以代表转账的边中存在数量的属性等。

需要强调的是 LDBC-FinBench 数据模型的很多边类型上，都增加了一个时间戳（timestamp）的属性，这是金融场景下非常重要的数据。无论转账、存款、贷款、偿还款，甚至用户登录、贷款申请、公司投资和担保的具体时间和先后顺序，都包含着有价值的信息。因为增加了时间戳（timestamp）属性，特定时间频繁操作等情形也可以被有效识别出来。

2. 具备多场景业务数据的复杂查询能力（Workload）

在线的金融系统在进行数据处理和分析中，会进行大量的读操作、写操作和读写混合的操作。考虑了现实业务中的对数据访问的复杂性的差别，FinBench 还把读操作分为了简单读、复杂读。FinBench 说明文档（草案）详细地描述了14种复杂读查询（TCR），8种简单读查询（TSR），14种写查询（TW），5种读写混合查询（TRW）。

从金融领域的业务角度来看，这些查询反应的场景很多，包括资金追踪、集资提款行为识别、资金快进快出识别、转账环识别、账务例行检查、持股相似度分析、股权关联分析、担保环识别等。

下面让我们选取几个典型的查询，做进一步介绍（以下为测试模拟场景，非真实业务）。

2.1 转账环识别（TCR 4）

（图2，转账环识别示意图，来源LDBC）

这条查询可以识别三个账户是否形成一个转账的环路。转账环可以有效识别潜在的洗钱行为。

2.2 资金快进快出识别（TCR 7）

 

（图3，资金快进快出识别示意图，来源LDBC）

资金频繁的进出一个账户，金额近似，时间近似。风控部门拿到转入和转出的账户的列表，就可以进行下一步的分析和判断。

2.3 通过贷款的异常转账识别（TCR 9）

（图4，通过贷款的异常转账识别示意图，来源LDBC）

这是一种相对隐蔽的异常转账行为，最上面的 up 账户通过 mid 账户向 down 账户转钱。如果直接转，很容易从转入转出的时间和金额上被识别。有些人就会采用先贷出款，然后转账到下家 down，再通过上家 up 转账给 mid，最后 mid 把贷款的钱还上。这种情景下各类交易（边上的时间戳）一定要满足相应的先后顺序（edge2 早于 edge4 早于 edge3 早于edge1）。

转账环识别后，封锁高风险账户（TRW 1）
 

（图5，转账环识别后，封锁高风险账户示意图）

这是一个读写组合查询。系统接受到一笔转账请求后，先查询账户的标黑（blocked）状态，如果状态正常，并不是马上转账，而是插入转帐边，查看加入新的边后，图中会不会形成转账环。如果形成了转账环，就可以把账号标黑。

这是一个实时发生的场景，可以在转账发生前，就识别出可能的转账风险。比起事后再对进行数据的分析，账户的标黑和损失钱款的追缴，可以有效地保护账户和交易的安全。

小结：

LDBC-FinBench 的数据模型和查询对金融场景做了一定的抽象。基准测试的主要目的是为了更好地衡量图数据库的功能和性能，为采购和研发提供参考。LDBC-FinBench 同时也是一个行业级的基准测试，对于金融行业的用户，在图数据库的应用设计和产品创新等方面也将起到抛砖引玉的作用。

目前 FinBench 工作还在紧锣密鼓的推进中，欢迎感兴趣的组织或个人加入共建。期待大家持续关注 LDBC-FinBench 的动态。