引言性能优化是个恒久的话题，随着产品的演进，业务的增长，系统能力总有达到瓶颈的一天，它不可或缺的陪伴着我们走向壮大再走向衰败，是我们面临的不可回避的问题。下图1展示了风控系统近半年来承载流量的增长趋势，可见最近半年来流量高速增长，且对于可预见的未来而言，接入流量还会持续高增。伴随着流量的增长，系统各方面--存储、计算、IO等都表现出一定的瓶颈，通过原始简单的水平扩容并不能解决所有的问题，而且还会带来成本的上升。因此，我们近期对系统进行了一系列优化改造，目的是满足未来一段时间内业务的增长使用，降低接口的耗时满足某些延时敏感型业务的需要，同时也伴随着一定的IT成本优化。本文结合常见的性能优化手段(

作者：铭杰阿里云云通信创立于2017年，历经5年发展已经孵化出智能消息、智能语音、隐私号、号码百科等多个热门产品。目前，已成为了国内云通信市场的领头羊，在国际市场上服务范围也覆盖了200多个国家。随着业务的不断壮大，云通信面临的安全风险也越来越严峻，线上每天都在发生着短信盗刷、异常流量、违法内容(黄、赌、毒、诈)等风险的入侵。云通信风控系统的建设就是为了解决这些问题。事实上，伴随着云通信业务的发展，云通信的风控系统已经建设得比较成熟。早期的风控系统仅能支持基于规则的事中拦截，而现如今，已经能够无死角的覆盖事前、事中、事后几十个风险场景。技术手段也从单一的"规则模型"拓展到"规则模型+数据挖掘+

一、FlinkCEP介绍FlinkCEP是复杂事件处理（ComplexEventProcessing）的缩写。它是基于Flink实现的复杂事件处理库。它的核心功能是识别输入数据流中符合特定模式，即Pattern的事件序列，并允许用户针对这些序列进行针对性处理。1、什么是FlinkCEP这里是一个简单的例子，可以让大家对FlinkCEP做了什么事情有一个基础了解。模式首先，假设我们对模式ABBC感兴趣。它代表的实际含义可能是A类事件发生后，连续发生了两次B类事件，最后发生了一次C类事件。我们不要求这些事件是严格连续的，中间可以插入一些无关事件。 事件流我们针对这种模式使用FlinkCEP的API

一、信贷图风控业务背景及案例首先简单介绍我们的业务场景。1、业务背景我们做的信贷图风控主要用于反骗贷和反套现的防控：骗贷是指黑产恶意骗取贷款，无还款意愿。这种情况导致了较高的资金风险，业界来看占整体逾期贷款的30%-40%左右。套现是指用户通过虚假的交易场景，将信贷额度套取成现金。这种行为违反了信用卡、花呗等消费贷的使用规范，无法管控资金使用范围，另外也容易造成多头借贷，引起金融风险。常见的套现骗贷手法包括：扫码模式：线下店铺开通收款码，保存本地或到店进行扫码的方式，让套现人使用花呗支付，进行套现。淘宝模式：中介在网上开店，上架商品，套现人使用花呗支付完成虚拟网购，从而信用额度。预下单模式：使

线上小额信贷常见的风控场景从阶段上可以划分为贷前、贷中和贷后。实际风控实践中可能还会有流量获客等场景，本次分享未展开。贷前风控是比较重要的一环，关注点包括：身份核验、反欺诈风险评估、信用风险评估、额度和费率的匹配。贷中管理是指在用户放款之后，对借款人的信用风险进行跟踪和管理的过程。具体场景包括复贷准入和存量用户运营。复贷准入是指用户已经有借款记录后再次支用的场景。存量用户运营是指对已经放款的借款人所做的维护或管理等一系列运营活动，比如对用户风险的再次评估、信息更新，以及新产品的推广促活等。贷后管理是指在用户贷款到期之后的管理，常见的场景包括还款管理、客诉风险管理、失联预测。该环节偏向于线下的运

风控策略是由规则和模型组成的、用以实现风险控制目标的集合。模型与规则相辅相成，相互补充，在不同的业务阶段彼此的侧重点不同。新业务上线期，数据量不足，策略以规则为主；当业务运行一段时候后，数据有了一定积累，就可以构建专属模型，实现模型与规则的并驾齐驱。风控策略包含的规则包含设备维度规则、行为数据规则、评分卡规则、黑白名单规则、社交通讯规则等，局部的、单一维度的规律；模型是流程的、整体的规律。简单的风控策略需要自主开发编写，需要投入较多人力，随着不法攻击愈加频繁复杂，风控策略也需要快速迭代更新。顶象Dinsight实时风控引擎提供了可视化界面，能够让业务人员快速上手，配置新的风控策略。输入用户名、

导读：随着企业数字化转型升级，线上业务呈现多场景、多渠道、多元化的特征。数据要素价值的挖掘可谓分秒必争，业务也对数据的时效性和灵活性提出了更高的要求。在庞大分散、高并发的数据来源背景下，数据的实时处理能力成为企业提升竞争力的一大因素。今天分享的是众安金融实时特征平台实践。下面的介绍分为四个部分：众安金融MLOps简介实时特征平台架构设计实时业务特征计算详解反欺诈场景的特征应用分享嘉宾｜郭育波众安高级技术专家众安金融MLOps简介什么是MLOps（1）定义MLOps是将机器学习、数据工程和DevOps融合在一起，从而实现机器学习模型的高效迭代和持续稳定地应用于生产业务的一套方法架构。所以它是一套

一、保险行业关于反欺诈的痛点及常见案例保险行业欺诈问题日益严重，据统计，欺诈渗漏率已达到20%。保险欺诈的特征主要表现为形式多样、手段专业化和主体团伙化。该行业面临的痛点包括发现难、确认难和追偿难。发现难：随着黑产和保险欺诈形式的多元化，欺诈行为变得越来越难以发现。确认难：在传统金融行业中，为了服务好客户，遇到风险问题时无法直接从模型端阻拦。因此，需要通过更多的画像来辅助业务人员发现欺诈或相关风险，以提高模型行为的可解释性。追偿难：由于保险理赔需求的特殊性，许多理赔案件在理赔完成后才发现存在风险。此外，在追偿历史案件时，还需应对时效问题。下面介绍一下保险行业中高发领域的车险和健康险的含义及其识

当我们在群里测试机器人时，发现机器人无回应，在cqhttp端可以看到群消息发送失败，账号可能被风控，如下图所示： 针对这种情况，我们可以在手机端登录该qq账号，在qq群内发送一个消息，就会弹出提示，如下图： 接下来只需点击“了解详情及处理”，跟随系统提示进行操作即可解除风控结果图如下： 

6月13日，腾讯安全联合IDC发布“数字安全免疫力”模型框架，主张将守护企业数据和数字业务两大资产作为企业安全建设的核心目标。腾讯安全副总裁周斌出席研讨论坛并发表主题演讲，他表示，在新技术的趋势影响下，黑灰产的攻击行为会进一步模拟真人行为，传统基于过去行为预测未来行为的风控策略将局部失效，业务风控正在由“规则对抗”进入“模型对抗”时代。 （腾讯安全副总裁周斌发表主题演讲）“真人”行为冲击风控体系，引发三大变化趋势周斌表示，一直以来，业务风控是最靠近用户的资产环节，也是整个业务环节里最容易感知的部分，因此“业务风控”被称为黑灰产应用新技术的第一攻防战场，是护航企业业务健康发展的重要保护屏障。AG