企业业务风控平台建设

卢明樊：爱奇艺的业务安全风控“秘籍”

摘自卢明樊：爱奇艺的业务安全风控“秘籍”，仅作笔记记录，如有侵权请告知。

风控建设的9个阶段

本文提供了风控建设的9个阶段，如下：

• 识别和管控风险

• 风控要和业务相结合

• 对业务场景进行划分，识别高风险、关键场景

• 二八原则

• 系统快速构建

• 场景单一时，可以采用第三方

• 场景复杂，且逻辑多变时，考虑设计独立的全栈风控系统 PS：大规模的企业还需要考虑建设业务安全红蓝对抗能力

  

  ​ 图：爱奇艺风险中台的全景架构

• 风控本身集成了：

  风险意识教育，风险评估，加固，高性能引擎，威胁情报，前端能力(加固，数据采集，验证)，拦截阻断能力，离线和流式大数据系统，数仓，算法模型，跨业务联防联控，持续预警监控，应急响应，策略优化，持续运营...

• 优化引擎服务

• 优化平衡风控和业务关联的效率

• 实现数据驱动

• 需要做的：

  从实时风控日志、业务服务日志、业务数据、情报数据、前端采集数据、验证数据、客诉数据等多重数据源出发，进行数据清洗、指标统计和特征工程，通过流式和离线的数据统计、分析和可持续训练优化的算法模型推理，产出指标、标签、特征、名单、信誉、图谱关系以及模型，上浮到稳定可靠&大容量的高速缓存，风控引擎从高速缓存中获取数据进行策略判断。

• 从数据到情报，企业的大数据平台建设能力是和风控系统能力同步发展的

• 云端协同

• 风控必须和端上相关团队结合，提升端上能力发展

• 联防联控

• 打通数据和验证能力后，跨业务联防联控成为可能，各业务联合, 在模型,规则,数据等方面进行共享, 联合布控协同防御。

• 智能驱动

• 传统风控专注于决策规则，现在必须引入：

  引入算法决策能力，异常检测、异常特征发现、人机识别、(图)关联分析、维度信誉等多类算法，从无监督算法和半监督算法为主，有监督算法为辅助，提高异常及作弊或欺诈特征以及风险因子的发现能力，支持快速响应，并结合案件库支撑样本累积推动有监督算法的训练和优化

• 在提升算法能力时，要关注算法的通用性（尽可能模块化）以及解释性。为了适应快速迁移到不同场景

• 可持续运营

• 风控本质上时支持业务进行风险运营

• 运营过程中，需要人员来进行持续迭代优化，因此要培养风控策略运营人员。单纯依靠风控开发和算法会无法长期跟踪。PS：这也是从对抗层面决定的，对手是用算法+经验的，防守方也要用算法+经验来对抗

• 中台化

• 针对业务场景和业务逻辑快速增长并且多变的情况，需要一个快速的、标准化自助式的接入、接出和运行解决