logo
企业版

用户案例

【案例】众安保险如何利用 NebulaGraph 实现大规模金融风控

众安保险如何利用 NebulaGraph 实现大规模金融风控

公司简介

众安保险是中国首家完全通过互联网开展销售的保险企业,由“保险+科技”双引擎驱动。该公司 2013 年成立至今服务用户数 5 亿+,累计保单数 427 亿。

由于互联网金融业务需要进行大量的线上审核,业务扩张过程中也碰到了团伙欺诈、用户组团“刷单”薅羊毛的行为,因此接入 NebulaGraph 用来解决金融反欺诈、风控预测等问题。

业务挑战

  1. 业务对审核速度要求高:互联网金融借贷具有申请周期短、放款时间快的特点,授信申请往往需要秒级回应,对数据存储要求更高。

  2. 用户信息真实性难以保证:年收入、家庭关系、联系人等信息均由用户自行填写,容易存在信息不实的情况,后台人工查证费时费力。

  3. 网络“黑产”难追踪: 由于网络借贷隐匿性强,一旦黑产账号实施了欺诈行为,通过传统方式很难发现也很难追踪到特定人。

综上,实现大规模的互联网借贷审批需要解决在短时间内捕捉系统风险,精准甄别欺诈场景的问题。

解决方案

NebulaGraph 金融反欺诈解决方案

众安保险的 NebulaGraph 金融反欺诈解决方案集数据处理、加工清洗、计算、图服务应用为一体,通过众安保险的微服务系统将图数据库存储&计算对接给上层图应用,并提供图探索、风控特征、个案调查、预测模型等图服务。

同时,通过用户与不同实体、设备、GPS 与手机号之间的关联关系,以及使用社群发现算法查看社群中的个体是否有欺诈风险、进行反欺诈的个案调查,这套系统能很好地进行借贷风控。

NebulaGraph x 众安金融——数据库系统架构图 NebulaGraph x 众安金融——数据库系统架构图

技术选型

为什么选择 NebulaGraph ?

大规模数据存储能力和写入速度,通常被认为是是金融业务正常开展的基本保障,选择 NebulaGraph 的原因主要是三方面:1) 与市面上的其他产品相比,NebulaGraph 对较大规模(过亿)数据的支持更好,2)写入速度更快(QPS 达到 10 万级别),3)社区反馈更及时。

众安保险图数据选型

使用场景

1、关系图谱

利用图数据库甄别欺诈场景,通过挖掘不同用户之间的亲密离散度,并通过关系图的形式直观呈现,“异常中心”一目了然。

NebulaGraph 图数据库数据可视化

上图就是一个关系图谱的示例,用户和手机号被放在一张图中展现。其中能明显看到有两个手机号被五、六十个用户填为家庭联系人的手机号(即图上的 2 个稠密热点),这两个热点手机号就很可能是欺诈团伙分子使用的。

跟使用传统的反欺诈手段相比,图(Graph)的展示形式明显更直观,也更高效。

2、图预测模型

将联通分量(Connected Component),标签传播(Label Propagation),以及全图关系度数 (Degree Statistical)等算法分别应用在贷前、贷中、贷后的用户授信环节,提供给风控人员使用,帮助他们更快地完成风控规则制定、完成风控任务。

NebulaGraph 图预测模型

使用效果

众安保险两年多的业务实践有效验证了 NebulaGraph 通过针对金融风控场景的特征分析和预测模型,实现线上审核场景快速回应的能力;即使用户自行填写信息不真实,也能通过关系图谱精准发现欺诈场景的异常中心,有效改善了网络“黑产”难发现、难追踪的问题。

目前,众安保险基础平台部正在动手用 NebulaGraph 去替换已有的传统实现方案。

用户证言

“NebulaGraph 在社区支持跟反馈方面给了众安保险非常良好的体验。2 年来,我们提交了不少使用问题都能得到及时解决,这一点相比于其他的图数据库厂商是非常值得推荐的。这也是我们选择 NebulaGraph 作为图数据库来支撑众安保险业务的根本原因。”

—— 众安保险 · 金融大数据开发师 陈赋赟

—————— 安全可靠,高性能、易扩展

NebulaGraph 致力于打造 国内领先的分布式图系统解决方案,目前已被应用在金融证券、公共服务、运营商、互联网、制造业等多个行业,如有业务需求欢迎联系 inquiry@vesoft.com

更多案例,欢迎查看 https://nebula-graph.com.cn/cases/