图数据库应用：金融反欺诈实践

1 背景介绍

1.1 传统反欺诈技术面临挑战

数字技术与金融业的融合发展，也伴随着金融欺诈风险不断扩大，反欺诈形势严峻。数字金融欺诈逐渐表现出专业化、产业化、隐蔽化、场景化的特征，同传统的诈骗相比，数字金融诈骗往往是有组织，成规模的，他们分工明确、合作紧密、协同作案，形成一条完整的犯罪产业链。传统反欺诈技术面临的三大挑战：维度单一、效率低下、范围受限。（引用自《数字金融反欺诈白皮书》）

1.2 图数据库技术应运而生

面对复杂的大数据，如何高效的从大规模数据中获取有价值的信息，传统技术面临巨大挑战。

图数据库这项新兴技术正是反欺诈的一把利剑，基于图数据库技术构建的关系图谱可用于深度数据挖掘，包括：关系推理、关联度检测、集中度测量、语义分析、团伙发现、可视化展示等。

本质上反欺诈面临的核心问题就是如何处理海量的用户关联关系。传统关系型数据库在处理海量关系上做得并不好，面对复杂关系网络的处理存在如下问题：数据规模大难以存储、计算效率低、关系建模难、维护性/易用性/扩展性差等。与传统关系型数据库不同的是，图数据库在处理关联关系上具有天生的优势，这些问题都能很好的一一化解。根据DB-Engines报告，从最近十年的表现来看图数据库已经成为关注度最高，发展趋势最明显的数据库类型。

HugeGraph图数据库就是在这个需求背景下应运而生的。

HugeGraph是百度安全面对反欺诈、威胁情报、黑产打击等业务自研的一款图数据库。HugeGraph通过多维度的特征检测（属性特征、关系特征）、关联度检测、团伙检测等技术来识别欺诈风险，提供了由点及面的反欺诈解决方案。