99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁精彩閱讀風控難題之無監(jiān)督風險感知:腦力、想象力、第六感、黑洞
風控難題之無監(jiān)督風險感知:腦力、想象力、第六感、黑洞
2022-04-06
收藏

作者:小伍哥

來源:小伍哥聊風控

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

大家好,我是小伍哥。

有效的風險感知或者無監(jiān)督風險識別,其實非常的難,很多同學甚至無法下手,做了的可能也沒有效果,如果找到合適的方法了,其實是非常有意思,且考驗想象力的事情,我認為是風控領域的一個明珠,需要扎實且廣泛的算法儲備、敏銳風險直覺、以及非常豐富的想象力,本文進行初步的探討,希望對風險感知的同學有一定的啟示作用。

當風控做到一定程度,或者平臺生態(tài)非常復雜的時候,需要對未知風險進行感知,也就是提前發(fā)現(xiàn)或者感知到平臺里面隱藏的未知風險。多于很多風控人員來說,是個非常大的挑戰(zhàn),本文拿訂單場景舉例,拋磚引玉。

假如訂單包含:訂單編號、訂單時間、買家、賣家、價格、類目、收貨地址、收貨手機····

1、基于正態(tài)分布異常

要對其中的風險進行感知,大家首先想到的是基于統(tǒng)計的方法

商家成交同比增加1倍

商家成交環(huán)比增加80%

買家成交環(huán)比增加80%

······

簡單的統(tǒng)計特征用完了,就要基于分布異常進行感知了,從全部訂單維度,檢測正態(tài)分布兩端的價格,分布異常的視為異常訂單

從買家維度,監(jiān)控3倍標準差以外的訂單

從賣家維度,監(jiān)控3倍標準差以外的訂單

從賣家維度,監(jiān)控5倍標準差以外的訂單

······

很多剛?cè)腼L控的小伙伴,可能就到此為止了

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

2、基于箱線圖分布異常

如果要分類別監(jiān)控,我們可以利用箱線圖的方式進行,其實還是上面的分布異常,只不過比較方便可視化和分類別進行監(jiān)控,比如下面的指標:

根據(jù)類目,監(jiān)控每個類目上分布的價格異常的訂單

根據(jù)時段(每天24小時),監(jiān)控每個時段上的價格異常訂單

根據(jù)收貨城市,監(jiān)控每個城市的價格異常訂單

根據(jù)收貨城市,監(jiān)控每個用戶訂單量的分布

······

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞
風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

3、序列變異系數(shù)異常

在時序維度上,波動程度太大的,可能存在異常,所以我們可以構建時序維度上的特征,并利用變異系數(shù)進行時序維度的波動監(jiān)控,然后把波動過大的視為異常

以買家為維度,統(tǒng)計近30天每天的銷量,然后計算變異系數(shù),如果變異系數(shù)過高,則視為異常

以賣家為維度,統(tǒng)計近30天的銷量,然后統(tǒng)計變異系數(shù),如果過高,則認為存在異常

······

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

時序維度,其實還可以變換下,變成有序的價格段維度,能夠發(fā)現(xiàn)更多的異常。

以買家為對象,計算每個價格段為維度,計算分布的變異系數(shù),過高,則認為價格分布異常

以賣家為對象,計算每個價格段為維度,計算分布的變異系數(shù),過高,則認為價格分布異常

以類目為對象,計算每個價格段為維度,計算分布的變異系數(shù),過高,則認為價格分布異常

以地區(qū)為對象,計算每個價格段為維度,計算分布的變異系數(shù),過高,則認為價格分布異常

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

4、下單速率異常感知

部分機器訂單,可能下單速度比較異常,一秒鐘下幾單,并且每天如此,肯定是有問題的

買家維度的速率監(jiān)控,這個需要涉及一個好的指標,單位時間訂單數(shù),或者最大持續(xù)密度,最大密度持續(xù)訂單量等,這個是個很有意思的話題,后續(xù)我研究好了告訴大家,歡迎持續(xù)關注小伍哥聊風控。

賣家維度的速率監(jiān)控,最好和大盤速率進行對比

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

比如上圖,我們可以只監(jiān)控紅框的長度和密度,其他兩個不監(jiān)控,把紅框內(nèi)點多的以及密度多的視為異常,為什么要這么做,就擔心十分鐘內(nèi)下單100筆,隔了23小時又下了一筆,如果按天平均并不異常,但是某一個十分鐘,卻是十分異常。

5、關聯(lián)關系異常感知

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

商品關聯(lián)規(guī)則分析,哪些商品一起關聯(lián)購買,某些商品組合,非常詭異的,不應該出現(xiàn)的,可能是刷單導致的

類目關聯(lián)規(guī)則分析,這個是個特別抽象的,商家的店鋪的類目應該很類似的,但是某些商家類目非常詭異的分布,比如女裝+撲克,可能就是賣賭博器材的

商家關聯(lián)團伙分析,通過分析某一時間片段同時出現(xiàn)的商家,判斷商家的團伙,對于高頻率同時出現(xiàn)的商家,可能存在異常

買家團伙分析,通過時間分段,挖掘哪些買家一起行動,可以找到團伙買家

6、同步關系異常感知

基于松散同步行為的團伙挖掘,非常抽象,可以看我之前的文章,這個通過訂單表,發(fā)現(xiàn)大規(guī)模的異常關聯(lián)和團伙關系,是非常重要的無監(jiān)督感知方法。

對于通過訂單表挖掘出來的團伙,再從時間維度,去看團伙的變遷,購買行為的移動,發(fā)現(xiàn)極具價值的信息。也是我最近研究的重點,發(fā)現(xiàn)了很多有價值的東西。

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

7、圖關系異常感知

基于圖的異常感知,才是感知的難點和價值點,就比如宇宙中的黑洞,黑洞本身看不見,但是我們可以通過監(jiān)測引力異常發(fā)現(xiàn)黑洞,黑洞越大周圍的引力越異常。大規(guī)模的復雜網(wǎng)絡中,由于異常用戶的出現(xiàn),同樣會扭曲網(wǎng)絡空間的曲線,我們設置合理的指標,就能感知出異常的'黑洞'

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

1)主導邊異常

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

再一個商家一個月賣了10000個訂單,100個消費者,其中一個消費者買了9900單,那這個消費者占比9000/10000=90%,形成了主導邊,那這個商家可能就存在異常。

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

我們把賣家-買家換下,類目-商家,假如發(fā)現(xiàn)某個類目某個商家占比過高,會不會出現(xiàn)類目入侵的問題,如果更高級,我們是不是加入一個時間線,監(jiān)測長時間某個類目、賣家成交權重的分布變化,那能發(fā)現(xiàn)非常多的莫名其妙的異常,非常推薦嘗試研究。

2)權重邊檢測

檢測商家與買家的平均訂單數(shù)量,再與大盤進行比較,比如大盤每個買家對賣家的平均訂單是5單,但是某一個商家,平均每個買家買了30單,是不是商家組織一群人在不停的刷單。

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

3)Near-Star異常檢測

在正常的社交網(wǎng)絡中,我們通常認為朋友之間可能會相互認識,因此一階Ego-net中的鄰居之間沒有任何關聯(lián)是非??梢傻?,近似星型,鄰居之間很少聯(lián)系(如通話關系網(wǎng)絡中的中介、電催人員、營銷號碼,他們大量的聯(lián)系別人,然而聯(lián)系人中之間幾乎沒啥聯(lián)系),這種結(jié)構的Ego-net被稱為star,如下圖所示,中心節(jié)點與大量節(jié)點存在關聯(lián),但是鄰居之間無聯(lián)系或者聯(lián)系很少。

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

這個怎么理解:監(jiān)控每個商家的消費者,假如這些消費者近一段時間以來,只買了這個商家,沒買其他商家,是不是就非常異常,正常一個買家會買好多商家,不會只買一個的

8、無監(jiān)督算法

當然,也可以利用無監(jiān)督算法進行風險感知

買家維度:構建注冊時長、訂單數(shù)、平均價格、類目分布等等指標,用孤立森立、HBOS、KNN等算法進行異常感知,輸出異常分數(shù)高的買家

訂單維度:構建注冊時長、訂單價格、價格分位數(shù),類目分布等等指標,用孤立森立、HBOS、KNN等算法進行異常感知,輸出異常分數(shù)高的買家

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

9、更無監(jiān)督?

有沒有更多監(jiān)督的方法?我覺得這個話題還可以更加深入的探討,我還需要更多的研究才能提供有價值的信息,不過大家可以去研究下。

本福特定理監(jiān)控商家、類目等維度的價格分布是否異常?

利用面相、星座等識別用戶的頭像與八字是否沖突?(早年間就有小貸公司根據(jù)面相確定貸款額度)

風控難題之<a href='/map/wujiandu/' style='color:#000;font-size:inherit;'>無監(jiān)督</a>風險感知:腦力、想象力、第六感、黑洞

······

無監(jiān)督的場景下,我們可以盡情的想象并進行測試,說不定有意外的驚喜,今天就寫到這里了。

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個參數(shù)驗證碼對象,之后可以使用它調(diào)用相應的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }