2020 无疑是特殊的一年，而 AI 在开年的这场”战疫“中表现出了惊人的力量。站在“新十年”的起点上，CSDN【百万人学AI】评选活动正式启动。本届评选活动在前两届的基础上再度升级，设立了「AI优秀案例奖Top 30」、「AI新锐公司奖Top 10」、「AI开源贡献奖Top 5」三大奖项。我们相信，榜样的力量将成为促进AI行业不断发展的重要基石，而CSDN将与这些榜样一起，助力AI时代的”新基建“。
一、公司简介
芯盾时代成立于2015年，是国际领先的业务安全产品和服务提供商，是率先提出“以人为核心的业务安全”理念的公司。芯盾时代基于零信任安全理念，由信息安全、人工智能、大数据等多维技术驱动，依托坚实的企业服务能力，为客户提供场景化全生命周期业务安全防护方案，助力客户打造安全、智能、可信的业务体系。
芯盾时代超200人的业务安全团队，75%团队成员是来自清华、中科院、北邮、北航、华为、360、腾讯、绿盟等知名院校及企业，并是人工智能、机器学习、大数据分析处理、密码学、移动安全、认证及访问管理、数据建模、实时流式计算、身份认证等领域的专家。
芯盾时代已为政府、金融、互联网、运营商等行业近千家标杆客户提供了覆盖金融账户及交易安全、企业用户安全管理、智能风控反欺诈、用户和实体行为分析等领域的方案，并帮助客户获得商业成功。目前，芯盾时代正在为逾2亿部终端提供业务安全防护，已累计保护5万亿元金融交易，挽回超40亿元的经济损失。
继2018年作为业务安全唯一厂商入选Gartner人工智能最佳实践报告后，芯盾时代于2019年连续入选Gartner AI领域市场指南报告和竞争格局报告，并作为五大代表企业进行重点解读，在人工智能领域的能力得到高度认可，芯盾时代还凭借客户真实的高度评价入选2019 Gartner IAM客户心声报告，成为亚太区唯一上榜企业。
业务依托安全，安全助推业务。芯盾时代将继续坚持“以人为核心、以业务安全为基础的业务智能”理念，为构建安全、智能、可信的互联未来而努力！
二、案例详情
技术研发投入
整个产品解决方案投入不到5人，因都为自主研发的成熟产品，需要的是和行方进行系统对接，如何实现在行方已有系统以及客户量基础上实现最好的系统对接方式以及达到最优的实现效果。
在实现效果方面主要考虑如何利用人工智能技术实现复杂模型的最优效果。
（1）欺诈团伙挖掘模型
基于行方提供的历史业务数据。通过关联图谱算法和关联分析构建关系网络，识别出8个疑似欺诈团伙，涉及设备数100+，涉及账号数1500+。
欺诈团伙特征总结：
- 重复利用欺诈设备、虚假包装资料、IP等有限资源；
- 欺诈特征与正常统计行为有显著差异：如时间、频次、位置、IP等维度上与正常用户有明显的差异；
- 复杂的关联关系：欺诈团伙的设备、账号、IP、身份资料等均是重复利用的，这些信息之间存在千丝万缕的联系；
（2）信用卡套现模型
行方提供了包含四个行业的商户收单真实交易数据（脱敏）。通过对用户、商户双维度画像和关联分析，标记出套现样本数据8000+条，最终经过行内专家人工审核，正样本准确率达98%。
- 商户维度：统计不同时间范围内的消费行为记录【并非所有商家都提供套现服务，而提供套现服务的商家为获利会面向所有的用户而非针对某一用户提供套现】
- 用户维度：统计不同时间范围内的消费者行为记录【并非所有用户都会有套现行为习惯，具有套现行为的用户一般会有多笔行为记录】
产品详情
- 可视化人工智能中台（VAI）：集数据读取、数据预处理、特征工程、模型训练、模型评估、模型部署、模型运行和监控等全生命周期管理功能于一体，致力于为客户打造“一站式”的机器学习中台，助力企业用AI赋能各项业务。
- 全渠道交易反欺诈（TOFD）：基于海量用户行为数据、实时交易数据及终端设备数据，结合大数据技术，利用独有的规则引擎和机器学习引擎，构筑一套完整的智能实时交易反欺诈系统。
- 信贷反欺诈（COFD）：基于大数据、人工智能等技术，将申请材料与不良信用记录、风险事件、借款人多平台借贷意向和借款行为等风险加以整合，有效识别用户欺诈，甄别申请人风险度。
- 互联网营销反欺诈（MOFD）：基于独创的无感知认证、设备指纹、终端威胁态势感知、欺诈关联图谱等核心技术，结合完善的风控模型，防止羊毛党对平台的攻击，有效减少客户营销资金的损失。
芯盾时代基于人工智能推出了“业务+平台+建模服务”为核心的全渠道多场景反欺诈解决方案，可以覆盖金融客户在交易风控、信贷风控和精准营销等诸多领域全生命周期的业务需求。
芯盾时代基于反欺诈领域多年积累的行业经验和已验证过的可落地机器学习建模能力，为用户提供全渠道多场景反欺诈服务。
对机器学习模型来说，芯盾时代通过VAI、TOFD、COFD、MOFD的数据连接和整合模块，获得了建模所需的高质量数据，并通过Notebook（类Jupyter）或Drag&Drop（拖拉拽）式的交互界面，进行特征工程以及离线模型的搭建和训练。除了集成主流的机器学习算法组件之外，也将丰富的行业建模经验封装了成熟的算子，保证了建模经验的重用。当模型的效果达到上线标准时，可以通过在线服务部署模块进行模型服务的一键化部署和运行监控，业务系统可以通过微服务的方式对模型服务接口进行调用。
三、典型应用场景
芯盾时代基于海量的设备安全数据、用户行为数据，利用流式分析处理、数据挖掘和机器学习等关键技术，辅以丰富的行业经验，构建了独有的智能实时身份反欺诈解决方案。方案覆盖了银行实时交易的事前、事中、事后环节，通过机器学习模型根据不同业务场景的风险特征，对用户行为和终端信息进行风险综合评估，并根据风评结果等级给出差异化处置策略建议，有效识别营销活动欺诈、薅羊毛、洗钱、信用卡套现等高危欺诈事件，保护行方资产安全和用户的资金安全。同时，还提供了可视化机器学习建模平台，对洗钱、信用卡套现、营销活动作弊等风险高发业务场景进行持续优化和深度防控，有效降低反欺诈模型的衰减周期，提升系统自动化水平，在加强防控的同时，降低银行人员投入，节省了大量人力成本。
在芯盾时代建设的反欺诈系统持续运行过程中，也曾出现样本不均衡和标注数据极少的问题，影响人工智能模型的防控效果。对此，芯盾时代率先提出了由无监督算法冷启动->半监督算法过渡->有监督算法训练模型的解决办法，迅速消除不利影响，完成了对多个业务渠道中交易流水数据，登录数据，注册开户数据进的行清洗和打标。同时，通过人工智能中台为行内其他系统提供数据支撑，提升了对黑产甄别的准确性，对羊毛党工作室的设备、账号、IP等信息，以黑名单的方式进行处置，最终使得业务部门顺利开展了各项拉新、促活、留存活动。