一年一度的3.15晚會前幾日如期而至，一些“不負眾望”猛料又浮出水面，再一次更新大家的認知。

在這個皮革奶、蘇丹紅、瘦肉精滿地跑的時代，“消費陷阱”頻出，欺詐已不僅僅滲透到我們生活中的“柴、米、油、鹽、醬、醋、茶”，而是轉而盯緊了我們的“錢袋子”。

在 股市暴跌、互聯網和線下理財平臺問題頻出的時候，有句順口溜是這么說的：土豪死于信托，中產死于股市，屌絲死于P2P，總有一款騙術屬于你。這句順口溜說的就是金融欺詐。今天小編就趁著3.15之際，給大家扒一扒金融欺詐這件事兒。

我們在享受互聯網、移動支付等帶來的便捷的同時，金融機構和廣大消費者也面臨著金融詐騙高發的威脅。金融詐騙形式多樣、方法各異，政府、金融機構不遺余力的宣傳教育消費者提高安全意識，但案發率仍然很高。違規商戶盜取顧客信用卡信息、黑產盜刷信用卡，使得消費者防不勝防。銀行等金融機構不斷加強“風控”體系建設，從傳統的“事后風控”提高到“事中風控”。當犯罪分子伸出黑手時，實時風控系統依靠其精準的專家規則、智能的風控模型、強大的計算能力，在數毫秒之內識別出風險行為，及時阻止交易，從而保護消費者、國家金融資產免受損失。

在當前互聯網金融、移動支付已經全民普及的今天，傳統的“批處理”、“準實時”這種事后處理模式顯然已經不能應對其中的金融風險。理想的事中處理模式要在海量的轉賬、支付交易執行過程中“實時”完成其歷史數據關聯分析、事件流（登錄、查余額、轉賬）關聯分析、時間序列分析、深度學習模型計算、同類型消費群體分析以及交易網絡關系分析等等多種分析手段，最終決策對當前交易是否放行。當用戶點擊付款按鈕、或者“掃一掃”的一瞬間，一個巨大的漏斗在層層過濾掉風險，所以超低延時、非線性、超高并發是“事中”實時風控系統需要攻克的主要難題。

華為公司推出的Real-Time Decision(RTD)分布式實時決策引擎FusionInsight RTD，具有數據庫的標準開發方式（遵循SQL 99標準、PL/SQL語法）和數據可靠性機制，并擁有流處理/CEP（Complex Event Process，復雜事件處理）的高并發、低時延、持續計算（滑動窗口、模式匹配）能力。為了達到***性能的實時計算，FusionInsight RTD 將大數據運算的多種理論與思想糅合在一起，如近數據計算（Near Data Computing）、增量計算（Incremental Computing）、時間序列數據立方體（Time Series Cube）等，同時將硬件能力發揮到***。

1、近數據計算

FusionInsight RTD采用先進的編譯技術，將計算邏輯下發在數據塊上，配合數據建模和路由分發技術，實現所有的數據在本地內存計算，消除節點/進程間通信。同時編譯技術還將多個同分區數據上的計算邏輯編譯在一起，減少調用次數，來節省調度層和數據計算層的網絡開銷。這好比將水質檢測器置入河水中，非取樣帶回實驗室，而失去了原來的“味道”。

2、增量計算

交易事件是流動且有先后次序的、也就是時序數據，這類數據有兩種比較耗時的計算，一種是聚合操作（sum、count、average等），一類是多個事件發生模式，如A事件發生多久后發生B事件。解決這種問題是流處理/CEP的優勢，反而是數據庫的劣勢，FusionInsight RTD在數據庫的上層增加了流處理實現了數據的增量計算，同時兼有數據庫的數據可靠性。面對每日數十億次的交易流水，全量計算或許要滯后于好幾個小時，而增量計算在數據時效性和正確性之間取得了平衡。基于規則和模型布控時，參考的是***的數據指標，這對于風控如戰場的攻防實戰中，像一把利劍直插敵人的心臟。

3、時間數據立方體

FusionInsight RTD 基于OLAP 數據立方體理論，將時間序列數據立方體引入實時決策領域中，時間序列數據立方體包括數據維度、計算指標、時間三個維度。數據維度可以是當前客戶、或者卡號等小維度、也可以是所有客戶、所有持卡人、業務號、渠道號、設備等大維度，計算指標分別為數值型、離散型以及比率型等數據類型之上的***、最小、中位數、方差、標準差等指標，足以滿足金融領域以及IoT領域的決策計算需求。精確到秒的多叉樹數據結構，能夠快速的查詢任意時間窗口的計算指標，比如當前持卡人過去3分鐘、30分鐘、2小時、24小時、72小時的登錄次數、查詢次數、交易總和、交易次數等指標，展開復雜事件分析。有了數據立方體，實時監測某用戶24小時之內，登錄30秒之后查詢余額，然后一次性將余額全部轉出的行為變得非常容易，真正的做到全方位立體監控。

4、硬件能力發揮***

全內存計算，所有計算全部在內存完成；

為了可靠性必須做的持久化落盤，僅寫數據的日志，并在落盤時變為順序寫；

為了可用性實現的數據多副本，降低了寫性能，但多副本帶來讀性能的倍增；

通過數據分塊實現分布式和并發，無鎖設計，將CPU跑到***。

“大數據+人工智能”是未來大數據風控的突破口。大數據、人工智能、活體識別、人像比對、設備指紋、人臉識別等大量的風控技術，在將來都可以被運用到風控場景之中。FusionInsight RTD 加強規則風控能力的同時、全力以赴推動人工智能在風控場景中的落地，如已經在客戶現場實施的多模型實時評分引擎、即將發布的特征變量平臺能夠支持千萬維超大模型毫秒級的預測。FusionInsight RTD 將構建端到端的實時在線推理平臺，不僅支持華為自研的數據挖掘模型，還通過引入PMML標準機器學習模型與合作伙伴展開積極合作，共同推進人工智能在實時風控領域的發展。

移動互聯時代，互聯網金融、區塊鏈等全新的業務模式不斷驅動著金融創新，招商銀行率先提出了向著“輕型銀行”和“一體兩翼”的戰略目標轉型，在大數據領域與華為持續緊密合作，共同推進金融大數據的聯合創新。雙方共同探索實踐的FusionInsight RTD 平臺一經推出，其高可靠、高性能、易用性、創新性、自主性的五大特點，可實現業務人員在一周之內寫出上百個業務規則。不僅如此，FusionInsight RTD 完整的集群管理方案，如主備、雙活，給系統維護任意留下靈活的操作空間。新風控系統上線后，招商銀行在手機銀行、掌上生活等主要的線上以及線下渠道進行了布控，對包括登錄、轉賬、支付等重要交易節點進行了全方位的風險攔截。新系統的推行，使招行風險案件量下降了50%以上，挽回的經濟損失超過億元, 系統在生產環境的真實業務處理過程中達到了10000TPS，而且響應時間穩定在50毫秒左右，性能比傳統的風控系統提升了近10倍，業務的連續性可達到99.99%。

除了在銀行領域，FusionInsight RTD在某千億級全球電商平臺也承擔著保價護航的關鍵角色，在短短的3個月內，該項目從調研到實施落地，每天經歷數十億次的實時風控決策請求。正是基于在國內的成功運用，該組織正打算將FusionInsight RTD部署在國外站點，并合作展開國際聯合風控。

FusionInsight RTD 并沒有滿足于現狀，不斷的加大研發投入，積極的擁抱新技術、與全球高校研究機構展開合作，將新的理論集成于產品，幫助客戶樹立安全可信的高大形象，為老百姓管好“錢袋子”。在“大數據+人工智能”的風頭浪尖上，華為大數據是堅定的踐行者。