1. 更新预览 在 HBaseManager 2.0.6 版本中，主要集成了 Kerberos 认证以及初步支持 HQL 的功能。快速体验站点：http://www.jielongping.com:9527/index 账户密码：admin/admin123
http://www.jielongping.com:9527/index 账户密码：admin/admin123 2. Kerbe
转载
2023-07-12 22:59:42
55阅读
1.背景互联网的迅速发展，为电子商务兴起提供了肥沃的土壤。2014年，中国电子商务市场交易规模达到13.4万亿元，同比增长31.4%。其中，B2B电子商务市场交易额达到10万亿元，同比增长21.9%。这一连串高速增长的数字背后，不法分子对互联网资产的觊觎，针对电商行业的恶意行为也愈演愈烈，这其中，最典型的就是黄牛抢单囤货和商家恶意刷单。黄牛囤货让广大正常用户失去了商家给予的优惠让利；而商家的刷单刷
变量中心如果说数据是原料，策略是产品的话，那么变量就是当中的零部件了。一个完整的风控策略依赖的关键变量可能有几百上千个，底层的变量池子就远远大于这个数了。变量中心在风控平台中是最重要但是同时也最容易被人忽视的一部分，一方面不像审批系统、决策引擎那样是完整的产品平台，也不像底层数据平台那么有完整的技术方案。变量在不同公司体系里面，形态有很多，可以是一个接口，也可以是一段SQL。由于变量
转载
2022-12-21 19:01:02
278阅读
Ch1 互联网金融的申请过程，通常由用户从移动端发起，首次贷款用户会经理申请、四要素验证、授信与额度利率定价、多层审批、用户提款等多个环节；对于还款后再次贷款的复贷客户，平台通常会基于更好的信用评估结果，并根据历史还款表现对其进行额度管理。流程如图所示。 首次贷款用户需要依次通过反欺诈引擎、信用评估引擎、人工审核的审批。信用评估引擎主要包括政策规则筛选、信用规则筛选、申请评分卡
转载
2023-08-05 21:08:00
273阅读
零基础入门金融风控之贷款违约目的：1.EDA价值主要在于熟悉了解整个数据集的基本情况（缺失值，异常值），对数据集进行验证是否可以进行接下来的机器学习或者深度学习建模.2.了解变量间的相互关系、变量与预测值之间的存在关系。3.为特征工程做准备数据总体了解：读取数据集并了解数据集大小，原始特征维度；通过info熟悉数据类型；粗略查看数据集中各特征基本统计量；缺失值和唯一值：
查看数据缺失值情况查
转载
2023-10-20 19:50:43
133阅读
在策略制定的过程中，很多同学在咨询有没有通用的方法论可以介绍下，今天我们给大家推荐一个在策略分析中比较有效的方法：①确立目标②分解目标 ③分析数据 ④生成策略 ⑤策略调优1.确立目标策略最基础的流程： 准入—反欺诈—授信 第一个模块的准入策略作为其中第一个策略单元，也是其中第一个关卡。其目标是滤掉百分百你不想要的非目标客群，而不是百分百精确定位到你想要的目标客群。所以我们看到一半上的准入策略基本都
转载
2024-04-29 14:43:26
167阅读
在评分卡没有上线之前或者在评分卡之外的变量，经常需要对相应的变量进行标准化的分数的转化。如何计算相应的评分？相信很多做规则策略的同学，还有做模型的同学都疑惑于此？今天这篇文章，重点分享这个知识点。学习了今天的方法，不需要做一套评分卡，简单些用违约率跟ODDS就能做具体的变量打分。先展示下评分结果，再拆解下具体的算法过程。具体的表格的呈现结果： 上面展示的结果，主要由两部分组成： Part1：每
转载
2024-01-17 10:29:32
194阅读
风控的本质是对客户风险的识别，对客户风险的识别需要多维度的数据进行评定在应用中比如先求流行的互联网金融本质是对客户的行为或者信用进行评估；每家公司对数据掌握的程度不一样且对风险的容忍程度也不一样因此在申请额度的时候每个公司的金额也不一样，比如同一个客户在支付宝借呗或者微信微粒贷借的金额也会不一样因为掌握的数据不同；A卡（Application score card）申请评分卡在申请评分卡中一般分为
转载
2023-12-12 21:33:48
162阅读
风险控制（Risk Control)，简称风控，是互联网金融的核心。一、基础知识1.1 A/B/C卡A卡（Application score card）即申请评分模型（贷款前），用于预测申请时点（申请信用卡、申请贷款）未来一定时间内逾期的概率。B卡（Behavior score card）即行为评分模型（贷款中），用于预测使用时点（获得贷款、信用卡的使用期间）未来一定时间
转载
2023-11-15 23:11:10
481阅读
场景为根据用户手机短信的风控建模，以此为例总结一套数据处理，特征工程，实验及结果分析的全流程珍贵的代码，并把常用的工具包函数记录清楚，免得每次用都要百度。如下是一套完整的流程，引自《智能风控》一书，我们按照这样的流程整理博客内容。 系列文章包括以下部分：数据预处理特征工程数据存储模型实验结果分析 一. 数据预处理1. 关于数据读取原始数据可能以各种格式的文件和各种逻辑
转载
2023-06-07 11:27:17
212阅读
1、智能风控数据流体系2、传统智能风控架构3、问题与挑战 在传统智能风控体系下存在如下三点挑战： 1）如何支持灵活多变的业务需求？ 2）如何满足客户对系统的个性化需求？性能准确性稳定性3）如何应对大流量及突发流量？ 4）如何支持在数据快速增长现状下，进行实时特征计算和数据查询？4、解决方案 1）机构&应用&存储优化 ①微服务化 ②集群动态分配 ③特征计算优化流计算： 在传统的数据处
转载
2024-01-19 18:59:49
212阅读
一、分类模型风控与其他领域一样，分类模型主要分为两大类：排序类、决策类、标注类（文本、自然语言处理）。一般来说风控领域在意的是前两个模型种类，排序类以及决策类。注意:巴塞尔协议定义了金融风险类型：市场风险、作业风险、信用风险。信用风险ABC模型有进件申请评分、行为评分、催收评分。(1)信用风险——申请信用评分申请评分可以将神经网络+逻辑回归联合使用。 《公平信用报告法》制约，强调评分卡的可解释性。
转载
2023-08-10 16:42:25
511阅读
前言我们的项目是基于报税业务进行风险控制，检测出报错税的情况。对于比较复杂的风险情况，比如两个json进行比较这种情况，可能涉及到时间窗口、流程化的部分，我们采用flink cep进行处理。对于较为简单的风险情况，比如判断json的某一个数据项是否为空，数值类型是否在一个范围之内，这一部分的业务，我们将借鉴陌陌的风控框架进行定制化开发。需求分析通过陌陌的介绍，我们可以看出它的产品定位是静态的规则引
转载
2024-08-16 13:20:02
80阅读
引言互联网时代，万物互联，网络安全形势越来越严峻，安全是企业的基石，风控在企业中扮演着“警察”角色，运用各种技术和手段，保护企业内的用户利益不受侵害。 风控决策引是风控中台的入口，提供业务风险场景事件接入，可视化编排复杂决策，丰富的特征变量与场景识别服务等功能。相较于需要开发背景及算法背景才能使用的传统风控引擎，本文介绍的决策引擎构建完成后无需开发背景甚至无需算法建模背景，作为纯正的策略运营即可配
转载
2023-11-07 09:22:00
40阅读
一、背景1.为什么要做风控?这不得拜产品大佬所赐目前我们业务有使用到非常多的AI能力,如ocr识别、语音测评等,这些能力往往都比较费钱或者费资源,所以在产品层面也希望我们对用户的能力使用次数做一定的限制,因此风控是必须的!2.为什么要自己写风控?那么多开源的风控组件,为什么还要写呢?是不是想重复发明轮子呀.要想回答这个问题,需要先解释下我们业务需要用到的风控(简称业务风控),与开源常见的风控
转载
2023-07-24 14:24:07
251阅读
## Java 风控
### 什么是风控？
风险控制（Risk Control），通常简称为风控，是指在金融领域中对各种风险进行评估和防范的一种管理方法。在实际应用中，风控主要包括信用风险、市场风险、操作风险等多个方面。
### Java 在风控中的应用
Java 是一种广泛应用于金融领域的编程语言，其优势在于具有丰富的开发工具和库，支持多线程处理，性能稳定等特点。在风控系统中，Java
原创
2024-06-02 04:51:29
59阅读
目录一：了解信贷风险：1： 了解信贷业务：2：了解信贷业务中的风险控制：二：信贷产品与风险？2.1：说说你知道哪些信贷产品？2.2：说说上面的信贷产品都有哪些风险？三：风控常见的术语：四：信贷审批业务的基本流程：五：ABC评分卡是什么？区别是什么？六：风控模型的流程？一：了解信贷风险：1： 了解信贷业务：1： 如何获利？通过放款收回本金和利息，扣除成本后获得利润2：信贷如何把控？贷款平台预测有信贷需求用户的还款情况，然后将本金借贷给还款概率大的用户。2：了解信贷业务中的风险控制：问题一： 你
原创
2021-07-30 14:17:43
3180阅读
目录一：了解信贷风险：1： 了解信贷业务：2：了解信贷业务中的风险控制
原创
2022-02-04 17:33:29
1621阅读
逾期风控算法比赛 文章目录**逾期风控算法比赛**1.比赛及数据概况2.衍生变量2.1 变量衍生思路2.1.1 payment与order表2.1.2 payment与iot表2.1.3 payment与payment表2.1.4 原生变量2.2 特征选取结果3.模型训练4.模型效果5.困难点1. 如何获取还款日期前特定日期的贷款次数、逾期预警次数及地理位置变化数、每设备数2. 如何在有限的空间内
转载
2024-01-30 03:17:06
46阅读
黑灰产在互联网领域盛行，从反面推动了业务安全反欺诈领域的快速发展。互联网SAAS服务产品响应市场不断创新，也决定了业务风险的多样性。笔者所在财税领域常见的非财税业务互联网风控场景包括登陆注册、短信接口、营销活动、渠道引流推广、交易和支付等。本文以这些风控场景为基础，搭建一套基于规则引擎的业务风控反欺诈平台。本篇文章会讲到如下内容：1. 剖析羊毛党等黑产的运作体系、攻击手段等；2. 分享如何搭建一套
