一、利用AI/ML模型進行欺詐檢測

1.概述

在如今的金融服務行業中，新數字產品進入市場的速度越來越快，系統之間的聯絡也越來越緊密，網路犯罪活動也持續增長。企業每年因欺詐而損失數百億美元，受損形式包括罰款、和解金以及削弱支撐金融服務行業的信任和客戶忠誠度。在過去兩年內，有47%的企業曾發生欺詐，零售欺騙案件同比增長2倍，根據PWC報告總的損失為420億美元。

隨著線上交易的複雜性、數量和速度的增加，金融企業需要利用更先進的欺詐檢測方法來應對網路犯罪分子的持續攻擊及不斷變化的欺詐策略。

2.挑戰

數十年來，基於規則引擎的方法一直被用於打擊欺詐，雖然可以有效檢測簡單、不變的已知欺詐模式，例如黑名單或執行速度檢查，但無法區分風險和正常行為，導致誤報增加，進而損害使用者體驗。例如，一位英國顧客在巴西里約熱內盧的一家酒店消費了400美元—這是在國外使用克隆卡，還是一位出差的高管正在使用呢?

3.解決方案

想要提高準確性和檢測速度？解決方案是將AI模型與記憶體資料庫中的上下文輸⼊/輸出資料放在一起，例如採用虹科提供的Redis企業版資料庫—提供滿足事務SLA所需的低延遲。RedisAI模組可以為深度學習(DL)TensorFlow和PyTorch模型提供服務。

Redis企業版資料庫具有最小延遲、高吞吐量和高可用性的可擴充套件分散式架構，因此可用於AI/ML線上特徵儲存。

二、利用AI進行線上特徵儲存

1.概述

從語音識別到垃圾郵件過濾再到自動駕駛，AI和ML技術已被廣泛用於解決各行各業的問題。對於金融業而言，面臨的最緊迫挑戰是欺詐檢測、貸款審批和風險評分，這些都需要AI/ML特徵儲存的幫助。

• AI/ML特徵儲存（FeatureStore）的定義：

• 人工智慧（AI）：創造智慧機器來模擬人類思維的實踐，例如通用智力。

• 機器學習（ML）：AI的一個子集，使機器能夠從資料中學習並根據該資料進行預測。

• 預測應用程式：依賴於資料上訓練的機器學習模型，預測未來事件。

• 特徵儲存：特徵儲存為資料科學家、工程師和應用程式提供了一個常用“特徵”（資料點）的儲存庫。特徵是有效演算法的關鍵要素。

• 離線特徵儲存：針對具有複雜時間點查詢的大型資料集進行了最佳化，並用於模型訓練。

• 線上特徵儲存：針對“較小”資料集的低延遲查詢進行了最佳化，檢索截至目前的特徵資料並用於模型推理。

信用卡欺詐檢測的特徵示例：顧客、交易金額及日期、每筆交易的平均支出、最近5-60分鐘的交易數、商戶、位置等。

通用AI/ML特徵儲存參考架構示例：

2.挑戰

MongoDB最初被用作線上特徵儲存，為風險評分模型推理所需的線上交易功能提供服務。但是，MongoDB的效能不足以提供對傳入事務進行實時評分的功能。

3.解決方案

Redis企業版資料庫取代MongoDB進行線上特徵儲存，並利用其記憶體中無共享叢集架構、99.999%的正常執行時間SLA，將響應時間縮短了60倍。由於無法接受Kafka叢集的往返延遲，類似的金融服務公司也計劃採用Redis取代Kafka作為訊息代理解決方案。

三、加速分析和報告

1.概述

金融服務需要依賴於資料分析來獲得商業洞察力。可以對幾個月、幾周甚至幾天前的資料進行操作，但很少有人可以對每分鐘或每秒鐘都在更新的交易流資料做出響應。

2.挑戰

許多金融服務企業無法使用批處理、ETL工具和資料倉儲負載，無法分析半結構化、非結構化和地理空間資料。此外，資料型別變化速度可能遠遠超過處理遺留系統的能力。由此，金融機構必須能夠實時分析資料。

3.解決方案

雖然資料倉儲傳統上只提供靜態報告，但也越來越多地轉向動態、可定製的報告。虹科提供的Redis企業版資料庫可以作為傳統的基於磁碟的資料庫前快取，支援大多數資料結構，可以提供急需的記憶體預排序。最重要的是，Redis企業版資料庫可以透過亞毫秒級的延遲對數百萬條記錄進行動態查詢以實現實時分析。

透過使用Redis企業版資料庫，客戶可以實時分析任何內容，包括聊天記錄、產品報價、社交媒體內容釋出、銷售資料、電子郵件、衛星影像、天氣趨勢，還可用於管理運營、財務風險等其他型別的資料。

在迭代處理場景中，例如使用ApacheSpark的場景，Redis資料結構可加速處理，對分析查詢提供更快的響應。Spark-Redis聯結器包允許Spark直接訪問Redis資料結構以進行最高效的記憶體資料處理。Redis企業版資料庫還為SparkSQL提供了一個服務層和一個用於Spark處理的加速器。比如，一家大型跨國銀行使用Redis企業版資料庫軟體在基於磁碟的NoSQL資料庫之前加速大資料分析，使分析處理速度提高45倍。

四、客戶成功案例

以下是一些金融服務公司成功實現資料層現代化的案例故事：

1.德意志銀行DeutscheBörse

作為國際交易機構和創新市場基礎設施的提供商，德意志銀行Börse集團為客戶提供涵蓋金融市場的產品、服務和技術。Börse總部位於德國法蘭克福金融中心，擁有約6000名員工，在歐洲、亞洲、美洲都擁有強大的業務。為了向客戶提供報告解決方案，DeutscheBörse依賴於快速的資料包告和處理能力。

DeutscheBörse使用Redis企業版資料庫作為智慧快取，以快速處理和組織資料。Redis企業版資料庫在不增加延遲的情況下已使DeutscheBörse的交易資料量增長20倍。

2.支付解決方案提供商Kenbi

Kenbi為人工智慧電子商務支付平臺提供了一個簡單、直接的解決方案，即利用髮卡行和商家的一致利益來授權更多合法交易。但Kenbi的核心解決方案在很大程度上依賴於豐富的資料和風險管理。

在客戶選擇將業務轉移到其他地方之前，時間成為授權銷售的關鍵。基於此，Kenbi轉向了AWS上的Redis企業雲。Redis企業版為Kenbi提供經過驗證的、全面管理的服務，以及有保證的備份和冗餘，使他們的團隊能夠專注於解決電子商務商家和信用卡髮卡行之間的支付問題。

Redis企業雲支援從單個控制檯進行無縫多雲部署，在雲中提供一致的統一資料層，並提供Redis的亞毫秒級效能，為應用程式提供動力。

3.PayPal旗下公司Simility

Simility是PayPal旗下的公司，它結合了機器學習和人工分析，提供基於雲的欺詐檢測服務。Redis企業版資料庫每天可以管理數十億個事務，所以在交付新的應用程式功能時，Simility的速度能夠提高30%，總體效能提高近90%。

結語

IT遺留系統的影響顯而易見：效能慢、存在資料孤島、應用程式彈性不足、成本高以及市場響應慢。

許多金融服務企業正面臨數字化轉型的壓力。為滿足客戶即時體驗、實時風險分析、欺詐檢測等需求，同時為風險管理人員提供應對運營、財務和合規風險的工具，金融機構必須採用實時的現代資料平臺。

對於傳統銀行而言，如果不進行現代化改革，將面臨被淘汰的風險。正如用例所示，使用Redis企業版資料庫的金融機構能夠無縫過渡到敏捷且靈活的資料架構，從而提高關鍵業務領域的效能水平。

虹科提供的Redis企業版資料庫具有亞毫秒級延遲、線性可擴充套件性、企業強化功能和多種資料模型，是金融應用程式的理想選擇。它透過跨區域的Active-ActiveGeo-Distribution確保全球五個九(99.999%)的可用性。

Redis企業雲託管服務在AWS、GCP和Azure中可用，透過分層儲存選項、消除資料中心相關支出和提高IT生產力來降低TCO。這使金融機構能夠專注於快速創新，而不僅僅是維持正常運轉。在Forrester諮詢公司的TEI研究中顯示，使用Redis企業版資料庫的公司可以實現高達350%的投資回報率。

想了解更多Redis企業版資料庫解決方案，歡迎關注虹科雲科技或者前往虹科雲科技官網。