反欺诈模型建模方法_预防欺诈的开源方法

反欺诈模型建模方法

公司经常讨论完全改变其后端基础结构，但很少这样做。 在过渡期间转移资源和降低产品增强速度的成本，以及对客户的影响，可能使高管，首席技术官和开发人员感到最恐惧。 这可能是明智的长期举措，但短期成本可能会使更改看起来过于冒险。 这是SaaS预防欺诈公司iovation决定应对的挑战。

作为一家初创企业，iovation使用专有供应商的数据管理系统每天分析大约100万笔交易。 随着公司的发展，每天的交易量已超过1000万。 该分析涉及多个商业智能数据库，这些数据库实时量化最终用户的设备是否与信用卡欺诈，身份盗窃，社交社区滥用或其他高风险行为相关联。

经过几年的发展，专有供应商的体系结构显示出性能紧张的迹象，没有合理的扩展选项。 iovation面临来自专有供应商的高昂许可，服务和升级/扩展费用。 考虑到这些问题，iovation决定放弃专有软件，并使用开源解决方案。

2011年，iovation设计并实施了一项升级，该升级利用了包括Apache Cassandra，PostgreSQL和Linux在内的开源堆栈。 我们使用开源工具逐步替换了旧企业架构的组件，并在2013年初完成了这一多年迁移。在此过程中，随着iovation从集中式，单片式数据存储移至存储平台，我们添加了数百台独立服务器。面向服务的体系结构。

以前，对单个在线交易进行基本欺诈查询的时间（平均）接近300毫秒。 转换为由开源软件提供支持的面向服务的模块化体系结构后，该过程现在平均平均不到100毫秒。 即使在我们添加了复杂的新业务规则层之后，情况依然如此，iovation可以搜索客户交易以进行身份​​混淆技术，有状态速度检查和其他重要分析。

尽管几百毫秒似乎无关紧要，但在实时确定哪些交易是欺诈性的和哪些交易是合法的时，它们绝对重要。 除了希望尽快捕获高风险交易外，确保良好的客户不必等待也很重要。 服务增强和新功能的上市时间也减少了，因为更具模块化的体系结构可以更好地将系统组件分离开来，以促进增量改进。

iovation的架构转型也使该公司获得了新的灵活性，可以启动多个分散的数据中心并建立“主动/主动”系统。 这种配置允许数据中心在正常运行情况下平均分担查询负载，或者让某些数据中心在其中一个出现故障时处理全部负载。 这种冗余使iovation可以使一个数据中心脱机以进行维护，推出软件更新或进行调试，而不会给客户带来服务中断。

该体系结构提供的水平可伸缩性使得扩展就像添加商品硬件到实时运行的服务模块一样简单。 无需更改软件架构，主动/主动基础架构无需停机即可进行扩展。

这种分布式的SaaS基础架构定位可以支持地球上最大的公司和流量。 扩展模型具有清晰的途径，可以在遇到下一层重要的网络基础架构升级之前，处理每天的1亿笔交易。

最后，向开源体系结构的迁移使iovation变得更加灵活，可扩展且性能更好。 升级最终是对公司未来的投资，也是向客户提供世界一流服务的承诺。

翻译自: https://opensource.com/business/14/8/open-source-approach-fraud-prevention

反欺诈模型建模方法