引言 本次分享将介绍图计算在易付宝风控场景中的应用。分享分为四个部分，第一部分简单介绍易付宝的业务，因为只有熟悉业务才能更清楚面临的风险和使用图学习技术的优势。第二部分是图风控体系的搭建工作。第三部分分析实际业务中的案例，提出基于图的解决方案。第四部分将探讨图计算在学术界和工业界的未来。

全文目录：

1. 服务介绍

2.易付支付风控体系

3.图学习算法及应用

4. 未来展望

分享嘉宾｜易付通风险管理部总监 徐德华

中国人民公安大学宋佳琳主编

社区出品｜

01

服务介绍

首先我简单介绍一下易付支付，它是中国电信旗下的子公司，负责包括支付解决方案在内的金融工作，具体来说，易付支付主要有三大业务场景：支付场景、电商场景、信贷场景。

对于风控领域来说，挑战在于业务中面临的诸多风险。

首先在支付场景中，最常见的包括诈骗（涉及账户盗窃、银行卡诈骗）、洗钱（犯罪团伙利用金融机构作为洗钱平台）、赌博套现等。

第二是电商场景，对应的电商场景更多的是营销套利风险，比如在发放补贴或者消费券的时候，存在补贴或者消费券被羊毛党拿走或者被虚假交易挪用的风险。

第三是信用场景，信用风险主要分两种，第一种是信用风险，信用风险是对一个人的借贷能力和还款能力的考核。第二种是欺诈风险，如果信用场景出现群体欺诈，或者中介机构恶意贷款欺诈，那么对整个机构和金融秩序都会造成非常大的影响。

我们的对手被统称为黑色产业链。从规模上看，黑色产业链是一个上千亿规模的黑色产业链，从业人员约160万。从分工上看，整个黑色产业链分工明确，包括最底层的材料提供者、技术提供者、相关从业人员，共同构成一个完整的链条。

黑产技术多样，分工明确。图中是我们经常遇到的一些黑产对手使用的设备，比如猫池、卡池、云手机等，用于大规模注册账号；还有一些可以自动识别验证码的打码平台，以及跑分的设备模拟器等等。根据对手的不同形态，我们会从风控体系上进行针对性的建设。

风控整体解决方案不只是模型，我们对底层数据进行加工，形成实时的风控决策引擎，以及一些分析模块、预警模块和系统处置管理，共同完善整个金融业务流程的风控体系建设。

除了图像，如今很多AI技术在风控上都有很好的应用。比如CV领域的视觉反欺诈。图左下角两张图是实际业务中遇到的，在允许用户进入时，欺诈者会合成假的身份证图像或者重新拍摄图像来实现用户进入。对此，CV可以有针对性地做出响应。

接下来是无监督能力。在电商场景下，一个很明显的特点就是数据通常是无标签的。针对这一点，我们有一套基于无监督黑市团伙的挖掘解决方案。

同样，有监督模型在风控中也有应用，比如XGB、LGB等模型就是在欺诈或者信贷场景下，在样本标签比较明确的情况下使用的方法。

另一类是联邦学习的方法，从监管角度看，对用户隐私的保护和数据合规的要求更加严格，数据对于一个模型的好坏起着至关重要的作用，安全合规地使用更多的数据是我们基于联邦学习构建联合模型的能力。

那么，为什么说图学习是风控业务的一个重要解决方案呢？我们先来看两个案例，这是我们在业务中发现的两个经典的黑产团伙模型。第一种是规模较大的团伙（见左图），考虑到这个黑产团伙以黄点为中心节点，假设该节点是设备，通过发现该设备登录了多个账号，我们就可以判断其为异常节点。但是作为传统的视角识别方法，可能就止步于此了，因为看不到完整的图结构。从图学习的角度来看，在完整的图结构中，黑产节点通过一些中间节点与更大更多的团伙相连，而这些是通过传统方法看不到的。

第二种是像右边这种长链的群体。黑产比较狡猾，会针对风控进行攻击。当我们对单个账号进行非常严格的限制，让黑产无法进行明确的攻击时，他们就会转变思路。图中，从蓝色节点看，似乎这是一个普通用户，因为他的连接数很少。但是当我们把长链展开，可以发现他们之间都是通过这种细长的环状结构相互连接的。他们是一个会对业务进行攻击的风险群体。

当前黑色产业的第一个特点是团伙性，团伙性给我们带来的挑战是传统的规则模型以单一主题作为预警对象，无法发现风险的全貌。第二个是隐蔽性，无论是规则体系还是模型体系，都会有一个阈值，超过阈值我们就认为是风险。黑色产业会不断的测试这种攻击，并且包装它的操作行为，让我们很难识别，但是也有难以隐藏的关联，可以通过隐蔽挖掘来识别，这就是图学习非常擅长的。第三个是实时性，比如说用户被骗了，转账到黑色产业的非常快，我们需要对转账的拦截做出更快的反应。

02

易付支付风险控制系统

简单来说，以节点和边为基本单位构成的数据就是图数据。比如在金融服务中，账户、设备、银行卡、身份证都可以是图中的节点。不同节点之间的关系，包括账户之间的转账关系、登录关系，或者帮别人发红包的行为等，都是图中的边，它们共同构成了图数据。

图算法可以分为两类，一类是基于图论的传统算法，比如连通图、标签传播等；另一类是基于深度学习和神经网络的图算法模型，比如GCN、GAT等基于深度学习的方法。

在图数据建设方面，我们采用分布式图数据库来存储数据，在支付、金融、通信三个业务板块，我们根据业务需求分别建设不同规模的图数据库。

我们需要一个系统在数据之上承载更多的功能，所以我们开发了一套整体的知识图谱解决方案：易付支付云图知识图谱。包括前端图数据的可视化，基于图的案例分析，基于图的查询管理功能。

图中是易付支付图谱的整个体系建设。对于底层的数据，我们有对应的图谱建设平台。平台下面是分布式的存储系统，因为这种百亿量级的量，需要分布式的解决方案。然后会有一个整个应用的工具库，主要实现分析、路径挖掘、巡检探索、可视化等功能。工具底层是算法能力，包括传统算法和深度算法的实现，作为支撑工具库的基础。我们把这个体系应用到整个金融、支付、通讯反查业务中。

03

图学习算法及应用

我们的算法体系有三个部分，第一部分是基于传统的图论方法，我们称之为子图挖掘，第二部分是基于图模式匹配，第三部分是基于深度学习图神经网络（GNN）。

首先介绍一下子图挖掘的方法，这里举两个例子，通过左侧某大型团伙案例的可视化，我们可以看出黑产团伙的攻击行为规模大、破坏性强、隐蔽性强。另外我们在生产中发现这样的情况：在信贷业务中的授信额度认证环节，申请人提交的认证照片背景非常相似（见右图），说明是在同一地方认证的，可以推断存在中介贷款诈骗的可能性很大。

那么为什么要使用图形计算作为解决方案呢？

第一，从同质性的角度来说，如果一个节点跟一个非法节点关联紧密，那么不管这个节点是人、设备、还是资质，它都有可能是非法的。从传播性的角度来说，这是我们采用基于社区的发现方法的一个重要前提。

第二，从稀缺性的角度。在使用图数据的时候，一定要保证它的数据是有相关性的。相关性的原因是黑产资质的稀缺性，比如身份证、银行卡、猫池卡池等。对于黑产来说，为了降低作案成本，会重复使用生产资质，比如把不同的手机号匹配到不同的身份证上去注册、注销账户，然后再重新匹配、注册。在这个过程中，难免会留下一些绑定关系。同样的，在洗钱或者涉及资金转账的诈骗中，转账或者商户消费等一系列行为，一定会留下资金链的线索。所以同质化、稀缺性是我们进行子图挖掘的思路。

我们面临的挑战首先是充分识别黑市，其次是提高识别的效率。因为对于风控业务来说，如果要实时拦截，必须在毫秒级完成整个任务的响应。所以我们的工作以实时子图挖掘为主，满足业务的实时性要求。

下面介绍一种针对实时子图划分的解决方案，我们采用外部缓存的方式来满足实时性要求，在方案的第一步我们会根据离线数据来存储整个分组划分和初始信息，然后在外部缓存中放一份。然后针对每日增量数据带来的图结构变化，我们根据不同的情况进行相应的分组计算，以保证图谱中的分组号是最新的映射，从而减少分组计算对图本身的压力。

对于分组方案，如流程图所示，在更新实体时，若发现该实体已经属于多个组，则对外部缓存执行以下操作：将新的组添加到缓存中，合并该实体所属的所有组，公式为：

=∪∪⋯∪

在业务上，我们有很多宝贵的专家经验，我们要做的就是利用这些经验精准识别风险。通过充分利用图数据库AP和TP的能力，我们实现了离线支持查询、部署规则推理、数据实时录入、毫秒级响应等功能。

接下来我们来看一个案例，在营销活动中，销售人员刻意隐瞒活动信息，私藏高价值营销物品，用低价值转账代替，这是典型的活动诈骗。同时，随着销售人员反侦查意识的增强，为了逃避风控检查，他们可能会持有多个账户，一个用于处理订单，一个用于转账。针对这种情况，业务专家抽象出一张图，图上每个流程看似正常，但组合在一起就会发现一个符合业务专家经验的诈骗风险模式，我们将这个模式抽象出来，并在此基础上进行表达，可以支撑整个数据库的实时查询能力。

同样，针对非技术背景的同学，我们也专门创建了模块，让他们可以通过点击、拖动的方式选择想要的节点和模式，从而实现进一步的条件过滤和筛选，提高工作效率。

在洗钱的场景下，会存在如图所示的去中心化流出、中心化的流入的模式，对于该图来说，其本身的查询能力可以很好的描述出异常结构。

我们根据业务经验，梳理出了异常单元结构，并在整个图上进行统计。获取数据之后可以做以下两个任务：第一是异常检测，将模型输出结合其他属性进行分类或者聚类，判断该账号是否异常。第二是根据不同的Cnts对用户的风险进行评分，然后将这个评分输入到下游的机器学习分类任务中，这样可以大大提高已知业务信息和其他已知机器学习模型的推理准确率。

最后，基于GNN的方法很难用固定的单一模型来描述洗钱案件，因为实际业务是千变万化的。所以问题来了，非固定的拓扑结构和属性信息该如何准确表达和识别？对此，我们想到了GNN的方法。GNN最擅长的是将拓扑信息和属性信息结合起来。挑战在于在非常大的数据量上部署GNN模型，比如直接在几百亿的体量上运行GNN模型，如果是纯内存非分布式方案，成本消耗会非常惊人，而且整个训练收敛非常困难。

这个有两个思路，第一是利用支撑架构，第二是从减少数据的角度来解决问题，过滤掉大部分正常用户，第三是基于用户行为，通过观察用户行为在各个时间段的分布情况，按照时间划分，就可以判断出洗钱者和正常人的区别。

图中展示了我们整个GNN的解决方案。首先我们把图切开，过滤掉大量的正常用户。剩下的用户就是我们认为有风险的用户。从数据角度来说，这样减少了计算压力。下面分为三个部分。第一部分是GNN模型生成用户评分。第二部分是从资金损失角度得到的用户评分。第三部分是根据用户评分，评分相加就是Risk整体洗钱风险的总分。

04

未来展望

最后我想跟大家讨论一下我们未来可能的应用方向。

在数据方面，我们其实有两个要求，第一是大规模分布式原生图数据库，因为单机不可能承载这么大的数据量，第二是数据库能够实时插入数据，并且保持数据一致性的能力，还有时序图数据的能力，因为群体会随着时间维度的信息而变化，这些不断演进的时序信息必须存放在数据库中，才能在后期提供更好的应用。

在系统方面，我们会重点关注两点。第一是自动规则挖掘。我们现在可以人工去挖掘专家的经验。在我们构建的图谱业务数据中，会自动挖掘可疑规则，大大减少人工的工作量。这是我们在努力的方向。第二是可解释的预警。对于金融机构来说，在面对用户的投诉和监督时，整个检测的准确性可能会受到质疑。所以如何利用好图谱的可解释性，对于我们系统方面也是一个挑战。

在算法方面，第一点是分布式图训练框架，基于该方法构建，比如DGL或者PyG都有非常好的分布式训练框架方案，真正实现行业大规模数据的训练。第二点是多模态异构数据的融合，我们现在更多依赖节点信息，未来会有一些基于NLP的信息，如何把这些信息整合成一个框架，进行GNN的训练，更好更全面的风险识别，也会是一个很好的方向。第三部分是图的联邦学习，图联邦的重要性在于关联性的构建，在数据不完整的情况下，如何基于联邦学习的方法把各方关联数据整合起来，也是我们在探索的方向。最后一点是对监管的要求，我们在监管方面做了很多工作，包括一些行业风控、金融算法的认证、标准制定，对抗攻击的鲁棒性，用户隐私的保护，算法公平性的保障，这也是我们未来的一个大趋势。

易付智这些年在AI领域也做了一些积累，如果有同学或者公司对此感兴趣的话，我觉得可以一起去探索一下。

05

提问时间

Q1：GNN 可以和 GBDT 等树模型结合起来吗？有相应的实现经验吗？

A1: 是的，一般的做法是利用 GNN 最后一层也就是其后一层的向量作为节点特征信息的补充方案，与 GBDT 结合实现分类任务。

Q2：GNN反洗钱图中，实体和边的量级大约是多少？

A2：为了减少服务器压力，我们会先筛选掉尽可能多的正常用户，最终 GNN 实际使用的用户数在百万左右。