图机器学习在度小满金融风控中的应用探索

"这篇文档是关于6-1+图机器学习在度小满金融风控中的应用，由2021年10月10日的DataFunSummit在线峰会上的演讲整理而成，由度小满金融AI产品经理李宗纯分享。主要内容包括相关背景介绍、度小满Eros平台的功能、应用案例以及对未来的总结和展望。" 在金融风控领域，随着金融科技的发展，风控技术经历了从人工审核、数据分析到机器学习，再到图+深度学习的演变。这种演进使得风控从单一的点和线分析升级到了全面的面分析，能够更好地理解和预测复杂的金融风险。常见的金融风险包括信用风险、欺诈风险和操作风险等。 图机器学习在金融风控中的应用逐渐凸显其价值。传统的风控手段可能难以应对信息伪造成本低、欺诈行为难以发现、数据孤岛化等问题。图数据库和图分析算法的引入，提升了数据存储和管理效率，增强了基础数据的挖掘能力，通过网络关联分析和社群发现，可以有效识别如团伙欺诈等风险行为。 度小满金融推出的Eros平台是一个集成了图存储、图分析、图可视化和图建模等功能的综合性图平台。该平台基于图数据库，支持GPU、K8S、HBase、Spark等基础设施，能够处理如人-证照、人-人、人-企业、企业-企业等多种关系数据。通过图挖掘、图学习和图分析等技术，Eros平台能够构建关联网络，进行一致性检验和欺诈检测，为风险指标报告提供支持。 此外，Eros平台还包括数据融合实验平台和图模型实验平台，便于进行算法模型的研发和优化。算法模型库则提供了丰富的图机器学习模型，用于进一步提升风控效果。通过这些工具，度小满金融能够实现全场景的风险控制，提高金融安全性和稳定性。 总结与展望部分，可能涉及了度小满金融未来在图机器学习和风控领域的进一步发展计划，包括技术创新、应用拓展以及如何更好地应对不断变化的金融风险挑战。随着金融科技的持续进步，预计图机器学习在金融风控中的应用将更加广泛，为金融机构提供更为智能和精准的风险决策支持。