ShuangzhaoDB如何在金融交易系统中控制风险

前言

信息科技的发展使银行交易手段越来越多样化,随着电子交易规模快速增长,金融交易欺诈案例也不断增多,欺诈诈骗的手段也快速变化,这对银行的风控提出了实施决策和记忆学习等更高的要求,以支持风险分析、预警控制的全工作流程。
总部设立于广州的ShuangzhaoDB专注于金融科技领域的信息系统集成商和应用解决方案,在VOLT ACTIVE DATA基础上进行三年多研发,具有高吞吐、高容量、低延时等特征的内存数据库,可以为银行提供一体化的金融行业技术服务,主要用于实时在线分析和决策,快速识别已知的欺诈手段,并应用机器学习更新规则,实现交易适中反欺诈,在交易完成前触发风险决策,将显著降低银行的交易风险。
银行风控管理 银行的风控流程从本质上来说,可以分为贷前、贷中和贷后三个阶段。ShuangzaoDB的风险管理平台能够参与到贷前的反欺诈和渠道监控,以及信用评估、信用审核、审批,贷中预警和实时监控。这基于双照bd的一个数据实时决策系统,可以帮助用户更高效地完成业务规则部署与管理,使业务适应快速变化的市场环境。现阶段主要适用于金融,在公安、政府等领域也是可以使用。
ShuangzhaoDB如何在金融交易系统中控制风险
文章图片
平台的架构 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

平台架构由两部分组成:
① 策略管理平台
在这里可以做一些策略开发、策略发布,和一些基础数据的管理,比如:原数据的管理是电源管理,变量管理等等,设置好以后,存储过程存到数据库里面。
② 决策执行单元
所有的决策,计算额和输出结果都在这里完成,所有的数据都存于ShuangzaoDB数据库里的同时,可以跟外部系统进行数据交换。整个流程中,外部的业务系统进行根据事件源输入信息以后,这个决策执行单元根据已经设置好的策略进行计算,同时输出决策结果。
<<策略管理平台 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

在用户界面上可以操作事件原籍维度映射与管理,同时进行策略开发和测试经营库表、数据库管理以及进行数据监控。在所有的策略开发完成后,都存储到ShuangzaoDB数据库的存储过程,生成一个class 文件,并加载到ShuangzaoDB。也就是说,本质上它是,存储为一个转弯的类文件,而不是放在业务系统上面。
<<决策执行单元 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

决策执行单元的架构,是根据在调用存储过程时,根据这个多个维度和分区来调用不同的存储过程,一一进行决策计算
<<基础数据管理 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

基础数据管理可以定义数据源的接入、库表等基本元素和数据,如:维度定义、酷表管理事件、事件源定义、参数定义等等。
<<规则和策略的开发过程 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

首先ShuangzhaoDB根据变量,比如说事件变量、批次变量、查询变量等,来定义一个规则,然后多个规则形成一个规则集,再形成决策。经过计算以后就可以形成评分考核评估表,然后这些策略帮其实可以定义,可以做版本管理,也可以做上限和下限。
<<监控中心 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

监控中心是每个系统平台都要有的一个部分,他能够做主机监控,比如:主机资源的使用情况和预警,以及决策过程性能等指标的监控预警,以及数据库本身的数据量、存储性能的监控和预警。
<<角色权限 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

系统的运维管理与业务开发是隔离与协作的关系,即,系统管理员只负责基础性的支持和策略,开发人员会进行业务策略的开发,两者是隔离的。
总结一下,ShuangzhaoDB风控管理平台的特点。首先拥有可视化的配置管理,它通过web界面这种可视化的配置,整个运维管理很简单,是一个轻架构系统,可以方便的扩容和扩展,即数据量都是可以随时扩展的。同时也支持标准c口,整个策略开发的门槛比较低,非专业人员、普通的业务人员也可以参与策略开发,能够有效降低成本。
实践运用 1、实时事中交易反欺诈 过去的反欺诈系统只能够是在事后干预,在交易中无法进行是没法阻止,而新的实时交易反欺诈系统,可以在交易过程中判断这个交易是否有欺诈行为,以进行及时的阻止,不漏判、不错判。同时,它基于机器学习,可以根据历史数据自觉学习,应对不断变化的欺诈活动和行为。在应用过程中,在风险案件的下降、响应时间、挽回经济损失、风控系统的提升以及业务处理连续性等方面,都有较大突破。
2、实时营销系统 在当今金融互联网行业竞争激烈的背景下,针对每一个消费者,尤其是vip客户的行为偏好和习惯,需要重点满足他们的个性化需求,这也是实时营销、精准营销的要求。风控管理平台可以实现毫秒级的响应,在消费者进入营销场景时,能够快速触达消费者,避免营销机会的流失。我们可以设想一个场景,当一个客户进入银行的一个营业网点时,银行通过高清摄像头,就能将这个客户的资料识别出来,并实时总结出他的历史消费、历史数据,然后计算出来。当这个客户去操作柜面产品时,就可以对应个性化推荐相关产品,这种场景在手机银行或者网上银行,同样也可实行。
3、实时授信审批 随着互联网金融移动支付的普及,以往一些需要去柜台现场办理和审批,或者说通过文档纸质文档办理的一些行为,现阶段都可以通过实时系统来做一些授信的快速审批。这便需要一个具备强大计算能力,可以低延、迟高并发的风控平台作为一个后台的手段。
实践案例 H银行
H银行在引入ShuangzhaoDB之前,无法做到事前或者事中交易检测,只能做事的检测,也无法拦截欺诈交易,只能够事后去弥补损失。当时H银行的最大痛点是传统数据仓库所无法满足的,因为传统数据仓库拥有滞后性。但是ShuangzhaoDB的六点优势,正好能够解决这个痛点,达成他的这个要求。
① 高吞吐 H银行有几千万的用户群体,各种渠道数据,每秒大概有5,000笔,每笔交易都会触发上百个反欺诈业务规则,整个数据库的TPS可以达到3万。ShuangzhaoDB通过分布的并行处理架构,将数据库的请求均匀的转发到集群各个节点上——这是分布式数据库的机制。他可以利用多节点的算力,快速处理各种请求,吞吐量可以根据集群的规模增长。
② 高容量 反欺诈业务规则,至少要使用一个月的历史交易数据,数据行数在10亿级别,数据总量也达到数百GB。ShuangzhaoDB能够根据数据进行分区存储,每个结点只处理部分数据,这样可以有效地分担数据容量的压力。最大能达到几十TB的数据容量。
③ 低延迟 这是一个内存数据库的最大的一个特点,在实践应用中为了不影响正常交易系统,通常要求100毫秒内保存交易数据,并完成反欺诈规则检验,做出决策,否则会带来服务中断,影响用户体验。ShuangzhaoDB作为一个纯内存计算和经过优化的数据库底层架构,能够满足这种严苛的延迟要求,带来毫秒级的急速处理体验。
④ 标准SQL 对于我们专业数据库人员或者开发人员来说,能够使用标准SQL就是一件很高兴的事。ShuangzhaoDB中,将标准SQL作为描述反欺诈业务规则的语言。这降低了开发人员的学习成本,,对一些任务人员提供的Web端的策略规则的编辑界面。所以这些优势和特点,就是用户可以就直接用SQL编写规则,在定义规则时能够得心应手。
⑤ 事务性 在反欺诈系统中,一般将多个系统组合为一个“路由”,用此来定义交易数据,在多个规则中的流转条件,有部分规则牵涉到数据库的写操作,写操作在数据库里面要保证原子性,要么完全执行,要么回滚。所以,ACID的这种特性,作为ShuangzhaoDB的一个重要特性,能够把路由作为一个存储过程来实现,这样就可以保证事务的强硬一致性。
⑥ 高可用 交易系统作为银行一个重要的核心系统可用性直接影响银行电子交易的质量和效率,ShuangzhaoDB通过数据副本和两地三中心部署方案,可以满足客户对于系统99.999%的SLA要求。在现阶段,H银行使用了两个集群,一个是六个节点,一个是四个节点,这种DR的部署方式,一主一备两个集群。每个集群都开启了数据副本,在这种模式下,这种高可用方式可以最大程度地保证系统的稳定性。
<<银行现阶段的应用 ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

H银行已经把零售业务中的借记卡和信用卡纳入实时反欺诈平台,包括手机银行、微信、支付宝、网上银行等交易渠道。ShuangzhaoDB这种分布式实时计算引擎的快速处理能力,使它能够在交易中迅速的识别交易风险,发出预警信息。现阶段整个数据库的事务处理TPS可以达到3万,平均每天处理的指数可以达到4千万笔。这个耗时和容量都有可观提升。
Z银行
Z银行是一个大型股份制银行,随着业务发展,系统需要支持更多的业务场景,比如说商铺、回复场景、实时营销场景、单热点高并发场景等,这些就为整个系统就是的发展提出了更高的要求。双照科技在跟踪银行的合作过程中,通过与客户的交流,为单热点商户、巨量参数的实时性问题,都提出了可行的解决方案。方案上线以后,每秒的处理速度可以达到100,000TPS,同时为单热点商铺提供了100万/日的执行交易规则的可行方案。
ShuangzhaoDB如何在金融交易系统中控制风险
文章图片

ShuangzhaoDB的解决方式:
① 策略灵活配置,支持高并发高频交易。 在普通状况下,做普通维度的交易,这在平时是属于低频交易。但是遇到一些可能重大节假日或者特殊的时间点,遇到秒杀、网络攻击或者客户要做压力测试的这些特殊场景下,会出现短时间内请求数量突然数量级增加,引起分区堵塞,数据库无法处理导致档期或者崩溃。基于这种事件,ShuangzhaoDB单独写了一组针对短时高频策略,在业务系统(前端系统)有一个流量监控模块。当监测到流量突然爆发的时,会触发执行这种高频处理策略。当流量恢复到正常时候,这个策略也会回到原来的正常的策略逻辑。
② 热点商铺分区过热问题 对一些每日交易量大概在100万及以上的商户,交易监测需要30天的窗口数据,单分区数据总量达到3,000万条,基于过去的维度侦测架构,相应政策无法实现。ShuangzhaoDB通过对热点商铺的事件数据分散到多个分区,以这种集群的并发处理能力,合理使用物化视图,并且解决一些关键指标的计算性的问题,整体上能够解决这种商铺维度单分区过热的问题。
③ 流式计算的实时支持 【ShuangzhaoDB如何在金融交易系统中控制风险】原有系统不支持窗口变量和流式计算,难以达到实时性的要求。但现业务实际又要求对流式计算,整个需求越来越强烈。ShuangzhaoDB的物化视图和流计算支持特性,能够提供实时的窗口计算变量,从而达到优势计算的实时性。
④ 一个多参数导致的实时性降低的问题 原有的系统执行框架理论,当事件的字段或查询变量超过1,000个的时候,仅仅传递参数耗时就超过20毫秒,这就难以达到业务需要的实时性。ShuangzhaoDB通过技术方法给参数进行改造,使得即使传递1,000个参数,速度也可以将人将毫秒内解决掉。
总结
ShuangzhaoDB以其高吞吐、高容量、低延时等特征,主要用于实时在线分析和决策,快速识别已知的欺诈手段,并应用机器学习更新规则,能够实现交易事中反欺诈,在交易完成前触发风险决策,将显著降低银行的交易风险,节约成本,提高效率。

    推荐阅读