攜程是如何把大數(shù)據(jù)用于實(shí)時風(fēng)控的

大數(shù)據(jù)?風(fēng)控?攜程 閱讀20608?

本文由攜程技術(shù)中心投遞，ID：ctriptech。作者：郁偉，攜程技術(shù)中心風(fēng)險控制部高級開發(fā)經(jīng)理。2010加入攜程，參與了攜程結(jié)算平臺、風(fēng)控系統(tǒng)的開發(fā)，對系統(tǒng)架構(gòu)、流式數(shù)據(jù)處理等有比較深入的研究。

攜程作為國內(nèi)OTA領(lǐng)頭羊，每天都遭受著嚴(yán)酷的欺詐風(fēng)險，個人銀行卡被盜刷、賬號被盜用、營銷活動被惡意刷單、惡意搶占資源等。

目前攜程利用自主研發(fā)的風(fēng)控系統(tǒng)有效識別、防范這些風(fēng)險。攜程風(fēng)控系統(tǒng)從零起步，經(jīng)過五年的不斷探索與創(chuàng)新，已經(jīng)可以有效覆蓋事前、事中、事后各個環(huán)節(jié)。也從原來基于“簡單規(guī)則+DB”，發(fā)展到目前能夠支撐10X交易增長的智能化風(fēng)控系統(tǒng)，基于規(guī)則引擎、實(shí)時模型計算、流式處理、M/R、大數(shù)據(jù)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等的風(fēng)控系統(tǒng)，擁有實(shí)時、準(zhǔn)實(shí)時的風(fēng)險決策、數(shù)據(jù)分析能力。

一、Aegis系統(tǒng)體系

主要分三大模塊：風(fēng)控引擎、數(shù)據(jù)服務(wù)、數(shù)據(jù)運(yùn)算、輔助系統(tǒng)。

• 風(fēng)控引擎：主要處理風(fēng)控請求，有預(yù)處理、規(guī)則引擎和模型執(zhí)行服務(wù)，風(fēng)控引擎所需要的數(shù)據(jù)是由數(shù)據(jù)服務(wù)模塊提供的。
• 數(shù)據(jù)服務(wù)：主要有實(shí)時流量統(tǒng)計、風(fēng)險畫像、行為設(shè)備數(shù)據(jù)、外部數(shù)據(jù)訪問代理，RiskGraph。數(shù)據(jù)訪問層所提供的數(shù)據(jù)都是由數(shù)據(jù)計算層提供。
• 數(shù)據(jù)運(yùn)算：主要包括風(fēng)險畫像運(yùn)算、RiskSession、設(shè)備指紋、以及實(shí)時流量、非實(shí)時運(yùn)算。數(shù)據(jù)運(yùn)算所需的數(shù)據(jù)來源主要是：風(fēng)控Event數(shù)據(jù)（訂單數(shù)據(jù)、支付數(shù)據(jù)），各個系統(tǒng)采集來的 UBT、設(shè)備指紋、日志數(shù)據(jù)等等。

除了這些，風(fēng)控平臺還有非常完善的監(jiān)控預(yù)警系統(tǒng)，人工審核平臺以及報表系統(tǒng)。

二、Aegis系統(tǒng)架構(gòu)

三、規(guī)則引擎

規(guī)則引擎包含3大功能，首先是適配層。由于攜程的業(yè)務(wù)種類非常多，而且每種業(yè)務(wù)都有其特性，在進(jìn)入風(fēng)控系統(tǒng)（Aegis）后，為了便于整個風(fēng)控系統(tǒng)對數(shù)據(jù)進(jìn)行處理，風(fēng)控前端有一個適配器模塊，把各個業(yè)務(wù)的數(shù)據(jù)都按照風(fēng)控內(nèi)部標(biāo)準(zhǔn)化配置進(jìn)行轉(zhuǎn)換，以適合風(fēng)控系統(tǒng)使用。

在完成數(shù)據(jù)適配后。風(fēng)控系統(tǒng)要進(jìn)行數(shù)據(jù)的合并。舉個例子，當(dāng)有一筆支付風(fēng)控校驗(yàn)，支付BU只拋過來支付信息（支付金額、支付方式、訂單號等）。但是不包含訂單信息，這個時候就必須根據(jù)支付信息快速的查找到訂單信息，并把這兩個數(shù)據(jù)進(jìn)行合并，以便規(guī)則、模型使用。大家知道，用戶從生成訂單到發(fā)起支付，其時間間隔從秒到天都有可能，當(dāng)間隔時間短的時候，就會發(fā)生要合并的數(shù)據(jù)還沒有處理完，所以訂單數(shù)據(jù)從處理到落地要非常快。第二部就是要快速查找到訂單數(shù)據(jù)，我們?yōu)橛唵涡畔⒏鶕?jù)生成 RiskGraph，可以快速精確定位到所需要的訂單明細(xì)數(shù)據(jù)。

預(yù)處理在完成數(shù)據(jù)合并后，就開始準(zhǔn)備規(guī)則、模型所需要的變量、tag數(shù)據(jù)，在準(zhǔn)備數(shù)據(jù)時，預(yù)處理模塊會依賴后面我們要講解的數(shù)據(jù)服務(wù)層。當(dāng)然，為了提高性能，我們?yōu)樽兞俊ag的數(shù)據(jù)合理安排，優(yōu)先獲取關(guān)鍵規(guī)則、模型所需要的變量、tag的數(shù)據(jù)。

大家知道，欺詐分子的特點(diǎn)就是一波一波的，風(fēng)控系統(tǒng)需要能夠及時響應(yīng)，當(dāng)發(fā)現(xiàn)欺詐行為后，能及時上規(guī)則防止后續(xù)類似的欺詐行為。所以，制定規(guī)則需要快速、準(zhǔn)確，既然這樣，那么就需要我們的規(guī)則能夠快速上線，而且規(guī)則人員自己就可以制定規(guī)則并上線。還有就是規(guī)則與執(zhí)行規(guī)則的引擎比較做到有效隔離，不能因?yàn)橐?guī)則的不合理，影響到整個引擎。那么規(guī)則引擎就必須符合這些條件。

我們最后選擇了開源 Drools，第一它是開源；第二它可以使用Java語言，入門方便；第三功能夠用。這樣攜程風(fēng)控引擎實(shí)現(xiàn)了規(guī)則上線的高效攜程風(fēng)控實(shí)時引擎，通過使用規(guī)則引擎Drools，使其具有非常高的靈活性、可配置性，并且由于是java語法的，規(guī)則人員自己就可以制定規(guī)則并迅速上線。

由于每個風(fēng)控Event請求，都需要執(zhí)行數(shù)百個規(guī)則，以及模型，這時，風(fēng)控引擎引入了規(guī)則執(zhí)行路徑優(yōu)化方法。建立起并行+串行，依賴關(guān)系+非依賴關(guān)系的規(guī)則執(zhí)行優(yōu)化方法，然后再引入短路機(jī)制，使上千個規(guī)則的運(yùn)行時間控制在100ms。

規(guī)則的靈活性非常強(qiáng)，制定、上線非常快，但是單個規(guī)則的覆蓋率比較低，如果要增加覆蓋率就需要非常多的規(guī)則來進(jìn)行覆蓋，這個時候規(guī)則的維護(hù)成本就會很高，那么這個時候就需要使用模型了，模型的特點(diǎn)就是覆蓋率覆蓋率可以做到比較高，其模型邏輯可以非常復(fù)雜，但是其需要對其進(jìn)行線下訓(xùn)練，所以攜程風(fēng)控系統(tǒng)利用了規(guī)則、模型的各自特點(diǎn)進(jìn)行互補(bǔ)。?
在目前的風(fēng)控系統(tǒng)中主要使用了：Logistic Regression、Random Forest。兩個算法使用下來，目前情況為：LR訓(xùn)練變量區(qū)分度足夠好的情況下，加以特征工程效果比較好。RF當(dāng)變量線性區(qū)分能力較弱的時候，效率比較高。所以使用RF的比例比較多。

四、數(shù)據(jù)服務(wù)層

數(shù)據(jù)服務(wù)層，主要功能就是提供數(shù)據(jù)服務(wù)，我們知道在風(fēng)控引擎預(yù)處理需要獲取到非常多的變量和tag，這些變量和tag的數(shù)據(jù)都是由數(shù)據(jù)訪問層來提供的。該服務(wù)層的最重要的目的就是響應(yīng)快。所以在數(shù)據(jù)服務(wù)層主要使用Redis作為數(shù)據(jù)緩存區(qū)，重要、高頻數(shù)據(jù)直接使用Redis作為持久層來使用。

數(shù)據(jù)服務(wù)層的核心思想就是充分利用內(nèi)存（本地、Redis）：

本地內(nèi)存（大量固定數(shù)據(jù)，如ip所在地、城市信息等）；

充分利用Redis高性能緩存。

由于實(shí)時數(shù)據(jù)流量服務(wù)、風(fēng)險畫像數(shù)據(jù)服務(wù)的數(shù)據(jù)是直接存儲在Redis中，其性能能夠滿足規(guī)則引擎的要求，我們這里重點(diǎn)介紹一下數(shù)據(jù)訪問代理服務(wù)。

數(shù)據(jù)訪問代理服務(wù)，其最重要的思想就是該數(shù)據(jù)被規(guī)則調(diào)用前先調(diào)用第三方的服務(wù)，把數(shù)據(jù)保存到Redis中，這樣當(dāng)規(guī)則請求來請求的時候，就能夠直接從Redis中讀取，既然做到了預(yù)加載，那么其數(shù)據(jù)的新鮮度及命中率就非常重要。我們以用戶相關(guān)維度的數(shù)據(jù)為例，風(fēng)控系統(tǒng)通過對用戶日志的分析，可以偵測到哪些用戶有登陸、瀏覽、預(yù)定的動作，這樣就可以預(yù)先把這些用戶相關(guān)的外部服務(wù)數(shù)據(jù)加載到Redis中，當(dāng)規(guī)則、模型讀取用戶維度的外部數(shù)據(jù)時，先直接在redis中讀取，如果不存在然后再訪問外部服務(wù)。

在某些場景下，我們還結(jié)合引入DB來做持久化，當(dāng)用戶某些信息發(fā)生變化的時候，公共服務(wù)會發(fā)送一個Message到Hermes，我們就訂閱該信息，當(dāng)知道該用戶的某些信息發(fā)生修改，我們就主動的去訪問外部服務(wù)獲取數(shù)據(jù)放入Redis中，由于風(fēng)控系統(tǒng)能夠知道這些數(shù)據(jù)發(fā)生變化的Message，所以這些數(shù)據(jù)被持久化到DB中也是ok的，當(dāng)然，這些數(shù)據(jù)也有一個TTL參數(shù)來保證其新鮮度。在這種場景下，系統(tǒng)在Redis沒有命中的情況下，先到DB中查找，兩個地方都不存在滿足條件的數(shù)據(jù)時，才會訪問外部服務(wù)，這個時候，其性能、存儲空間就可以得到優(yōu)化。

五、Chloro系統(tǒng)

Chloro系統(tǒng)是數(shù)據(jù)分析服務(wù)也是整個風(fēng)控系統(tǒng)的核心，數(shù)據(jù)服務(wù)層所使用到的數(shù)據(jù)，都是由Chloro系統(tǒng)計算后提供的。主要分析維度主要包括：用戶風(fēng)險畫像，用戶社交關(guān)系網(wǎng)絡(luò)，交易風(fēng)險行為特性模型，供應(yīng)商風(fēng)險模型。

可以看到數(shù)據(jù)的來源主要有hermes、hadoop、以及前端拋過來的各種風(fēng)控Event數(shù)據(jù)。Listener是用來接收各類數(shù)據(jù)，然后數(shù)據(jù)就會進(jìn)入 CountServer 和 Real-Time Process系統(tǒng)，其中和RiskSession的數(shù)據(jù)就先進(jìn)入Sessionizer ，該模塊可以快速進(jìn)行歸約Session處理，根據(jù)不同的key歸約成一個session，然后再提交給 實(shí)時處理系統(tǒng)進(jìn)行處理。當(dāng)Real Time Process 和 CountServer對數(shù)據(jù)處理好后，這個時候分成了兩部分?jǐn)?shù)據(jù)，一部分是處理的結(jié)果，還有一份是原數(shù)據(jù)，都會提交給Data Dispatcher，由它進(jìn)行Chloro系統(tǒng)內(nèi)部的數(shù)據(jù)路由，結(jié)果會直接進(jìn)入到RiskProfile提供給引擎和模型使用。而原始數(shù)據(jù)會寫入到Hadoop集群。

Batch Process就利用Hadoop集群的大數(shù)據(jù)處理能力，對離線數(shù)據(jù)進(jìn)行處理，當(dāng)Batch Process處理好后，也會把處理結(jié)果發(fā)送給Data Dispatcher，由它進(jìn)行數(shù)據(jù)路由。?
Batch Process還可以做跨Rsession之間的數(shù)據(jù)分析。

RiskSession的定義：量化、刻畫 用戶的行為，任何人通過任何設(shè)備訪問攜程的第一個event開始，我們認(rèn)為Rsession start了，到他離開的最后一個event后30分鐘之內(nèi)沒有任何痕跡留下，我們認(rèn)為Rsession end。

風(fēng)控系統(tǒng)通過比較用戶信息：Uid，手機(jī)號，郵箱，設(shè)備信息：Fp（Fingerprint），clientId，vid，v，deviceId來判斷其是否是同一個用戶，通過其行為信息：瀏覽軌跡, 歷史軌跡來判斷其行為相似度。比如：用戶在PC端下單、然后在手機(jī)APP里完成支付，這個對于Chloro是一個會話，這個會話我們稱之為風(fēng)控Session，通過Risksession的定義，風(fēng)控系統(tǒng)使用戶的行為可以量化，也可以刻畫。這樣Risksession實(shí)際上可以作為用戶行為的一個 Container。使用RiskSession就可以做到跨平臺，更加有利于分析用戶特征。

Risk Graph 是根據(jù)攜程風(fēng)控系統(tǒng)的特點(diǎn)開發(fā)出來的，Risk Graph是一個基于HBase進(jìn)行為存儲介質(zhì)的系統(tǒng)，比如，以用戶為節(jié)點(diǎn)其值就是HBase用戶表的key，其每個列就是特性，然后根據(jù)用戶的某個特性再創(chuàng)建一個hbase表，這樣就創(chuàng)建了一個基于HBase的類Graph的架構(gòu)。

所以該系統(tǒng)的一個核心思想是先創(chuàng)建各個維度的數(shù)據(jù)索引，然后根據(jù)索引值再進(jìn)行內(nèi)容的查找。目前風(fēng)控系統(tǒng)已經(jīng)創(chuàng)建了十幾個維度的快速索引。

六、Aegis其它子系統(tǒng)

Aegis還有配置系統(tǒng)，用戶可以在上面進(jìn)行各種配置，如規(guī)則、規(guī)則運(yùn)行路徑，標(biāo)準(zhǔn)化、tag、變量定義、已經(jīng)數(shù)據(jù)清洗業(yè)務(wù)羅輯等等，當(dāng)然監(jiān)控系統(tǒng)也是非常重要的，風(fēng)控研發(fā)秉承著監(jiān)控?zé)o處不在的設(shè)計理念，使其能夠在第一時間發(fā)現(xiàn)系統(tǒng)的任何細(xì)小變化。

七、展望

攜程風(fēng)控在3.0中通過引入規(guī)則引擎、在Chloro系統(tǒng)中大量使用開源的基于大數(shù)據(jù)處理的架構(gòu)，配合模型取得了非常好的效果，在4.0中，將在機(jī)器學(xué)習(xí)、人工智能、行為特征等方向繼續(xù)發(fā)力，進(jìn)一步提高風(fēng)控系統(tǒng)識別能力，對于技術(shù)將繼續(xù)擁抱開源技術(shù)，下一步會引入Spark等提高風(fēng)控系統(tǒng)的數(shù)據(jù)處理能力。

總結(jié)

以上是生活随笔為你收集整理的携程是如何把大数据用于实时风控的的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。