风控模型的实践思考

风控架构

需要解决用户是否是黑名单，是否是高质量用户，是否行为触发风控的角度；必须将实时模型和离线模型整合，这样才能做好一个模型

实时模型

离线模型

规则引擎

需要解决动态增加模型，实时加载模型；比如说超过一定金额进行风控；比如说特定设备风控；比如说特定直接进入支付页面的进行风控等等；其中就包含了复杂时间流（CEP）的处理过程，或者一个常见的黑名单的场景；都依赖一个健壮的规则引擎的模型；

模型格式

如果需要解决大规模下运行模型特点，需要将模型转换成和语言无关的文件，方便将python文件转换成Java文件；常见的文件模型有

PMML

PB(是MetaGraph的protocol buffer格式的文件，MetaGraph包括计算图，数据流，以及相关的变量和输入输出)

模型和数据的加载

• 对于数据的加载，开发者首先要对于数据质量和模型有个初始的认知；选用什么样的模型；该模型需要什么维度的数据；数据质量怎么样；需要对数据进行去重，填充等一系列数据初始加工的流程；
• 当模型训练，并在小范围验证之后，需要对于模型进行进一步的大规模的运用或者说进行下一步的验证；
  • 大数据比较大时，需要考虑将模型跑在spark 集群上，当然也要验证模型是否支持Java或者spark的方式加载，实时或者先落库在进行下一步的加工
  • 当数据比较大时，可以考虑将模型跑在flink集群上，利用flink以及flink CEP的特点，对数据进行进步的加工；实时输出模型

附件

风控建模流程.4itrwgl5mh00.png

下一步打算.ac0gsi9ruzc.png

)