除了上述场景之外，蚂蚁还做了很多关系层面的尝试，这里不再赘述了。所以，DecisionX帮助我们连接关系算法，有效地提升风控能力。
异常图片识别保险理赔需要上传材料，利用材料造假是骗保的一个重要手段，因此我们也基于图片研究了多种风控能力：
图片特征相似：通过图像识别算法识别理赔图片中是否存在相似特征等，再结合其它特征综合判断材料是否虚假等。
目标物体分类：通过图像识别算法识别图片目标物体，过滤明显不符合理赔材料需求的无效材料，减少人工审核成本等。
案例分析这里举一个2B产品的例子，该产品可以为用户提供履约担保，从而帮助用户解决缴纳保证金的痛点，但是对于信用偏低的用户提供了“机会”，所以产品上线之后，前前后后多次受到了大批量攻击。去年，我们重新建设了这款产品的风控体系，一方面基于平台建设了风险监控预警能力，解决风险感知薄弱滞后问题，一方面基于平台建设基于异常识别算法、图挖掘算法、隐案挖掘算法等建设风险识别能力，最后基于平台提供的解决方案部署风控能力，从而有效减少骗保风险。新风控方案上线后两个月，在覆盖人群更大的情况下，使得案件量大约下降90%，从而良性发展创造了很多可能性。
我们还有很多保险反欺诈场景，包括大家熟知运费险、账号安全险等，我们开发了多种类型的风控原子能力，在多元化场景上筛选组合配置，从而形成各类产品的风控手段。总之，任何产品的风控都是一个持续对抗的过程。也正是因为有对手的存在，所以成就了现在的我们。
点击阅读更多，查看更多详情