摘要：以“数字金融新原力(The New Force of Digital Finance)”为主题，蚂蚁金服ATEC城市峰会于2019年1月4日上海如期举办。金融智能专场分论坛上，蚂蚁金服数据技术专家王修坤做了主题为《实时智能决策引擎在蚂蚁金服风险管理中的实践》的精彩分享。
在演讲中，王修坤分享了互联网保险产品场景化、高频化和碎片化的典型特征以及在风险控制方面所面临的诸多挑战，并为大家介绍了实时智能决策引擎在蚂蚁金服风险管理中的实践。
王修坤 蚂蚁金服保险事业群数据技术专家
我们团队先后推出保障消费者退货权益的退货运费险、保障支付宝资金资金安全的账号安全险以及基于AI模型的车险定损产品的定损宝等，这些产品背后都离不开数据能力支撑，本文将简单分享过去一年风控相关工作。
互联网保险特征：场景化、高频化、碎片化分享之前，简单介绍一下互联网保险的三个典型特征：场景化、高频化、碎片化。
场景化：我们的产品覆盖了我们的衣食住行各方面，“衣”有保障服饰质量的质量保证保险，“食”有保障食品安全的食品安全险，“住”有提供信用住的担保保险，“行”有提供骑行意外险等；
高频化：互联网的便捷可以帮助我们通过产品可以同我们的用户高频交互，提供优质体验；
碎片化：相比较传统保险，我们可以随时投保、分期缴纳保费；
风控场景复杂： 我们的产品覆盖了衣食住行方方面面，如何再大量不同场景下建立合适的风控解决方案。
风险规模聚集： 互联网为用户提供便捷的同时，也可能给不法分子提供了便捷，从而使得相比较传统场景，风控能力表现尤为重要。
风险变异高频： 互联网的试错成本较低，这使得对手能够不断地去验证保险产品的风控策略，并寻找产品的弱点和漏洞，通过高频变异来想法设法绕开保险产品的风控规则。
实时风控能力： 我们在提供实时理赔的极致服务体验同时，背后就需要实时风控能力保驾护航。
实时智能决策平台那么，如何解决上述问题和挑战呢？在过去的一年中，我们基于实时智能决策平台DecisionX构建了一站式风控解决方案。实时智能决策平台DecisionX不仅能够支持整个风控全链路的工作，还可以支持包括决策、开发、管理、运维以及后端分析、监控等在内的所有工作。
在过去一年里，我们基于实时智能决策平台DecisionX建设了从风险监控、风险识别、风险分析到知识沉淀的全链路解决方案。风险监控帮助我们从宏观层面把握风险态势；风险识别帮助我们从微观层面感知风险；发现可疑风险之后，我们需要进行对风险拆解分析，定性风险；完成案件分析后，需要挖掘特征从而优化提升风控能力。
除了上述全链路风控解决方案能够很好支持以外，DecisionX还在垂直深度提供优质的解决方案，接下来举例说明如何提供AI算法能力支持。
关系异常识别基于关系的图算法模型是保险风控反欺诈的一个比较有效的能力，如何基于图算法进行社群识别是我们面对的一种重要工作，下面几种常用算法：
标签传播：一种可以基于网络关系，根据标签数据节点和无标签数据节点，通过传播标签从而达到对社群关系的圈定和识别。
异常网络结构识别：通过提炼各种风险的网络结构特征，通过寻找类似网络结构特征，从而识别相似可疑的社群内容。
关系表征：除了上述方法以外，通过图关系表征相关算法，可疑将关系特征向量化，从而可以融入传统机器学习进行模型训练。