9月24日，京東金融Vector Lab（向量實驗室）的論文《使用循環(huán)神經網(wǎng)絡進行電商網(wǎng)站交易的欺詐檢測》Session-Based Fraud Detection in Online E-Commerce Transactions Using Recurrent Neural Networks入選今年的PKDD。

PKDD全稱是歐洲機器學習與知識發(fā)現(xiàn)國際會議（European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Database: ECML/PKDD），是一個歐洲的數(shù)據(jù)挖掘頂級會議，在國內獲得了中國計算機學會的權威認定，含金量極高。

此次，京東金融風控團隊反欺詐技術入選PKDD論文，代表著京東金融在數(shù)據(jù)挖掘與人工智能領域的技術成果已經得到世界最權威機構的認可。

傳統(tǒng)的反欺詐系統(tǒng)大多采取基于特征匹配的專家系統(tǒng)或者基于統(tǒng)計的機器學習算法，這類方法確實在實際系統(tǒng)中防范了大量的欺詐行為，但是電商場景是一個復雜多變的場景，無論是商品的更新還是客戶的偏好都在隨時變化，僅靠基于業(yè)務特性手動設計出的統(tǒng)計特征很難及時捕捉到少量變化的欺詐行為。

另一方面壞人反偵查能力很強，他們會通過長時間積累下來的經驗教訓，總結出要規(guī)避哪些行為，盡量偽裝成合法用戶的樣子，比如他們會模擬正常用戶少量交易去養(yǎng)號，注冊時會故意拖延時間讓機器批量注冊看起來像是人工注冊，交易時也盡量規(guī)避敏感產品，總而言之就是躲避那些專家和統(tǒng)計算法的紅線。

但是“雁過留聲，人過留痕”，即便故意閃躲，欺詐者終究還是會在行為序列中留下蛛絲馬跡。京東有2.58億活躍用戶，每天系統(tǒng)日志會留下海量的用戶行為日志，京東金融Vector Lab采用RNN技術對基于用戶的瀏覽行為的時間序列進行建模，得到了超越傳統(tǒng)算法三倍以上的精度，循環(huán)神經網(wǎng)絡（Recurrent Neural Network，RNN）通常應用在自然語言處理、語音識別等領域，是一個擁有對時間序列顯示建模能力的神經網(wǎng)絡。

同時，由于神經網(wǎng)絡具有較強的遷移學習和在線學習能力，因此模型在實際應用中可以實現(xiàn)快速更新迭代。京東金融通過不斷收集處理平臺產生的新的數(shù)據(jù)，在原有模型的基礎上進一步調整參數(shù)，使得模型能夠不斷學到新的行為模式，實現(xiàn)進化。欺詐與反欺詐不斷處于動態(tài)博弈，所謂“魔”高一尺，“道”亦高一尺。

“異常的行為隱藏在行為序列中，總會找到蛛絲馬跡。我們把一個時間段內的所有行為按先后順序給機器學習，在學習大量樣本后，它就能找出其中的細微差別，這就是RNN時間序列算法對于金融的價值所在”，京東金融風險管理部總經理沈曉春如是表示。

以下是京東金融Vector Lab入選2017PKDD的論文節(jié)選，感謝清華大學交叉信息研究院在項目中的幫助，pdf：

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。