document.write('
')

当前位置:   金科网 > 嘿科技 > 正文

0.1秒揪出欺诈幕后黑手,这家公司用了什么黑科技

邦盛金融是一家为金融机构提供一站式金融风险监控解决方案的提供商。按照CEO王新宇的话说,就是为中大型金融客户提供一个包含技术、平台、数据、模型和系统5大要素完整的反欺诈体系。

谈体系的公司,要么学院派,要么行业巨头。

邦盛金融恰好兼而有之。邦盛金融成立于2010年,发起人是浙江大学的陈纯院士、王新宇博士,创始团队还是上市公司浙大网新的创始团队。

邦盛金融创立时看中了实时数据分析是金融行业的必然需求,浙大网新与美国道富银行有超过十年的合作经验。

邦盛金融CEO王新宇在攻读博士期间,就已负责与道富银行相关的算法交易、外汇交易、实时风控等金融系统研发,当时遇到的最大问题是如何满足交易环节的数据实时处理需求。

邦盛成立之初,当时流行的数据分析系统一般次日或者几十分钟才能出结果,主要用于辅助决策方面。邦盛为了将分析时间提高到毫秒级,整整花了4年时间,分析效率比传统技术提高了数万倍。

邦盛金融的初始团队,如COO、CTO和产品总监,绝大多数来自于浙江大学和美国道富银行;后来又吸收来自IBM、蚂蚁金服、阿里巴巴、绿盟科技、浙大网新等知名公司的优秀人才。

目前除了杭州总部,已在北京、上海、深圳设立了分公司与研发服务中心。

2010年邦盛金融拿到天使投资后,经历了两轮融资。2015年6月,绿盟科技以2200万购入邦盛11.56%的股权,投后估值1.9亿。

此时,邦盛金融的研发时间已超过5年,市场化运作不过半年。绿盟入股后的邦盛金融进入快速增长期,在2016年7月新一轮融资中,君联资本领头,达晨创投等跟投的邦盛估值已达6亿。

2010-2014整整四年时间,邦盛金融一心投入底层核心技术研发,并未到市场上去接应用系统订单。

资本市场自然不喜这样的节奏,但结果证明,这个技术壁垒邦盛金融垒的足够高。

实时分析,极大提高了用户体验

邦盛金融的核心技术为流立方,这是一个流式大数据实时处理平台。批处理与流处理为大数据最重要的计算方式,流式计算更适用于实时性要求高的情景,无需预先存储,可以直接计算,更适用于事中的分析、处理。

事中实时分析的目的是为了保证分析时间不影响用户体验,传统银行使用U盾、安全控件等手段进行安全验证,这将使得客户体验大打折扣,从而造成客户流失。

用户体验的门槛为100ms,用户对于低于100ms的分析是无感知的。流立方对一个人进行全量行为数据分析时间一般为12~17ms,目前在国际上还少有对手。

流立方还大大缩短了银行办理授信类业务的时间。对于银行授信等风控相关的业务,传统分析通常在第二天,最短的也需要几十分钟才能出结果,邦盛将整个过程的分析时间缩短到秒级。

邦盛采用改进的流式大数据处理,不仅能获得对实时数据流的分析,还可以利用历史数据进行改进,分析全量数据。

落地安装面向大中型客户,依靠底层技术向泛金融行业拓展

邦盛金融现有的业务主要在反欺诈、银行授信和反爬虫领域,这是三个对大数据量的实时分析要求很高的领域。

反欺诈是邦盛金融最先切入的市场,主要解决用户在银行卡盗用、账户盗用、社工欺诈、营销欺诈、钓鱼木马等场景下的欺诈问题。

传统反欺诈厂商利用设备指纹和黑名单库与企业业务信息进行匹配,而缺乏对企业业务数据的深度分析。这种方式所需计算的数量较小,又主要依靠外部信息,所以可在公有云上以SaaS的方式提供服务。

邦盛金融主要面对中大型客户,SaaS服务并不能满足需求,必须采用前置机和公有云的方式提供服务,这种配置解决了三个问题:

1. 前置机既可以获得企业全量数据,实现精细的用户画像,又保证了对业务数据保密性的要求;

2. 前置机配合进行流式大数据实时处理,实现客户行为实时分析,严格控制在100ms以内算出风险信号;

3. 公有云服务与业务数据有效结合,补充外部数据给中大型客户,可以实现更为精确的反欺诈行为判断。

目前来看,在事中分析和实时反欺诈领域,邦盛金融的漏报率和误报率,远远低于采取纯公有云方式的厂商。目前邦盛金融的反欺诈赔付率做到了百万分之三,而一般企业为十万分之一,优势明显。