猛犸科技：AWS反欺诈大数据架构与Spot Instance成本优化

"猛犸基於 AWS 的反欺诈大数据架构及Spot Instance 成本优化实践.pdf" 本次分享的主题聚焦于猛犸如何基于Amazon Web Services (AWS) 构建反欺诈的大数据运营架构，并通过使用Spot Instances进行成本优化。演讲者雷晓川是上海行邑信息科技有限公司的联合创始人，该公司在大数据和人工智能领域有着丰富的经验和显著成就，曾获得多项投资和荣誉。 MaxEnt，即Maximum Entropy（最大熵），是公司的核心理念，强调不断追求创新和进步以应对日常挑战。公司在北京、上海和成都设有办公室，并被Gartner评为Cool Vendor，展示了其在行业内的领先地位。 猛犸的产品和解决方案主要集中在AI应用和AI平台上。首先，他们利用精确的设备识别和行为生物识别技术创建了一个多源、统一语义的数据平台，该平台支持IDMapping。在此基础上，他们开发了关联图谱、用户行为分析（UEBA）和异常检测等技术，构建了AI基础能力平台，帮助企业深入了解线上用户。这些能力已应用于线上金融零售（如消费金融、小额贷款和无卡交易）、电商以及企业风险内控的智能化风控系统。此外，通过与第三方合作，提供更加全面的解决方案。 在大数据平台建设方面，猛犸旨在解决报表分散、数据不同步的问题，通过建立统一的报表平台和汇聚的日志查询接口，提高运营服务效率。同时，他们搭建了可伸缩的机器学习平台，满足数据科学家多样化的需求，支持灵活的数据分析。 在AWS的成本优化策略上，Spot Instances扮演了关键角色。Spot Instances是一种可以以低于标准On-Demand实例价格购买的EC2实例，其价格随市场供需波动。尽管Spot Instances可能会在短时间内被中断，但通过巧妙地设计应用程序，使其能够容忍这种中断，企业可以大幅降低计算成本。猛犸利用Spot Instances处理非实时任务或具有容错能力的工作负载，实现了成本效益最大化，同时也保证了业务的稳定运行。 猛犸在AWS上的反欺诈大数据架构实践展示了如何结合先进的数据分析技术和成本优化策略，构建高效且经济的解决方案。通过灵活运用AWS服务和Spot Instances，他们成功地为企业提供了智能风控和大数据分析能力，同时也展现了在云计算环境中的创新思维和成本管理智慧。