logo
咨询企业版

用户案例

众安保险:利用 NebulaGraph 实现大规模金融风控

本文整理自 众安保险 金融大数据开发师 在 nMeetup 上的分享,详情见 视频

公司简介

众安保险是由蚂蚁金服、中国平安和腾讯于2013年联合发起设立的,中国首家完全通过互联网开展销售的保险企业。该公司 2013 年成立至今服务用户数 5 亿+,累计保单数 427 亿。

除了保险业务,平台也提供消费贷款等在线金融业务。由于互联网金融借贷具有申请周期短、放款时间快的特点,授信申请往往需要秒级回应,对数据存储要求更高。同时,由于申请用户的年收入、家庭关系、联系人等信息均是自行填写,容易存在信息不实的情况,后台人工查证费时费力,一旦黑产账号实施了欺诈行为,通过传统方式很难发现也很难追踪到特定人。

解决方案

为了解决大规模的互联网借贷审批需要在短时间内捕捉系统风险,精准甄别欺诈场景的问题。众安保险选择了接入 NebulaGraph 用来解决金融反欺诈、风控预测等问题。

Product architecture

众安保险的 NebulaGraph 金融反欺诈解决方案集数据处理、加工清洗、计算、图服务应用为一体,通过众安保险的微服务系统将图数据库存储&计算对接给上层图应用,并提供图探索、风控特征、个案调查、预测模型等图服务。

同时,通过用户与不同实体、设备、GPS 与手机号之间的关联关系,以及使用社群发现算法查看社群中的个体是否有欺诈风险、进行反欺诈的个案调查,这套系统能很好地进行借贷风控。

应用场景1:关系图谱

利用图数据库甄别欺诈场景,通过挖掘不同用户之间的亲密离散度,并通过关系图的形式直观呈现,“异常中心”一目了然。

上图就是一个关系图谱的示例,用户和手机号被放在一张图中展现。其中能明显看到有两个手机号被五、六十个用户填为家庭联系人的手机号(即图上的2个稠密热点),这两个热点手机号就很可能是欺诈团伙分子使用的。 跟使用传统的反欺诈手段相比,图(Graph)的展示形式明显更直观,也更高效。

应用场景2:图预测模型

将联通分量(Connected Component),标签传播(Label Propagation),以及全图关系度数 (Degree Statistical)等算法分别应用在贷前、贷中、贷后的用户授信环节,提供给风控人员使用,帮助他们更快地完成风控规则制定、完成风控任务。

用户收益

众安保险两年多的业务实践有效验证了 NebulaGraph 通过针对金融风控场景的特征分析和预测模型,实现线上审核场景快速回应的能力;即使用户自行填写信息不真实,也能通过关系图谱精准发现欺诈场景的异常中心,有效改善了网络“黑产”难发现、难追踪的问题。