基于流式聚类及增量隐马尔可夫模型的实时反欺诈系统

针对目前金融支付行业交易中存在的欺诈风险复杂化和高频化的问题,提出一种基于密度分布演化的流式聚类算法(DDE-Stream)。利用CLIQUE算法对账户交易特征进行网格聚类,结合隐马尔可夫算法构建账户交易行为档案模型,根据该模型进行实时的欺诈侦测,并在模型自更新阶段,利用DDE-Stream算法对多维度交易特征进行实时聚类。实验结果表明,该算法能够实时侦测交易欺诈风险,且在验证集上获得的准确率相比传统随机森林分类算法超过50%。

从金融科技创新到金融模式变革——流式计算在信用卡实时大数据应用领域的研究

近年来,以"ABCDE"等为代表的金融科技创新不断加深与普惠金融、共享金融、移动金融、物联网金融等新金融模式的相互融合。当前,国内各商业银行正处于零售金融业务转型的关键时期,针对客户的各类消费场景生态建设对金融大数据的实时处理提出了越来越高的要求。而流式计算作为金融科技近年来的热门研究方向,在大数据实时计算领域具有广阔的业务应用场景。本文以目前商业银行大零售领域最具创新活动的信用卡业务作为切入点,深入讨论了流式计算在信用卡大数据实时应用领域的具体创新应用。