微信支付基于图计算的反欺诈实践

导读： 微信支付作为一个国民级工具，用户量级很大，而且用户黏性也很强，这么多用户每天在用，就会产生大量的交易、连接。黑产对技术的嗅觉是非常灵敏的，如果一个产品连黑产都没有关注的话，那这个产品很难称之为好产品。

我们每天也和微信支付大量的黑灰用户对抗，而且是在一个十亿结点，万亿边的网络进行对抗，因此我们需要用到网络化的利器：图算法和图数据库。这次分享，希望把我们之前的图计算应用的一些经验，还有一路走过的坑，跟各位分享。主要内容包括：① 风控新视角；② 图计算平台；③ 支付的实践；④ 科技向善成果。

01风控新视角

1. 风控的全新视角：各种骗术层出不穷

最近有一位国外的马老师（马斯克）很火，虽然他的产品在国内争议非常大，但是在美国，捧谁谁火，比如狗狗币推成天狗，带货能力非常强，这种一夜暴富的情绪传到国内，会发现如果平时聊天不聊「币」，可能跟朋友就聊不下去了。所以最近发现诈骗份子利用这一点，推出各种比如空气币传销币等，这些都是新型的资金盘，也成了我们最近风控反诈的热点。

2. 特征工程还是网络工程

正因为有各类层出不穷的新型诈骗手法，我们马上就会碰到一个痛点：用户画像、特征工程不好使了，以我们微信支付为例，我们这么多年也是在不断的往上堆特征，特征数量已经达到了6位数，这时你会发现特征堆积的越多，效果提升的其实并不明显，这是第一个问题，另一个问题是，特征堆积的越多，成本会越高，如右图的指数曲线一样。

举个用户画像的例子，比如研究一个人的消费习惯，之前按照天分析，后来会按小时去分析，或者说发现两个画像特征特别有用，会考虑把两者结合起来，做一个交叉特征，这样特征数量也会涨的特别快，特征数量增长会带来很多问题，首先是存储的问题，还有特征管理的问题，包括配置特征告警、特征稳定性、生命周期等等，这一系列的配套工程会让我们的成本越来越高，所以 从个体的特征工程到全局的网络工程的转变，会给我们带来新的视角，新的知识。

3. 网络视角：个人 vs 团伙

另外一个视角是我们看待黑产是个体还是团伙，以前我们印象中黑产可能是一个非常聪明、技术非常好的独来独往的黑客，深谙SQL注入、DDOS攻击等技术，通过各种手段敲诈勒索很多钱。实际上从警情案例来看，黑产大多是右图的这种情况：团队有很多顶尖的技术人才、甚至还有北大毕业的、不少黑产躲在山沟里办公，反侦意识很强，黑产头目很会打鸡血，内部分工明确，还有大量的手机卡、猫池，身份证和银行卡等作案工具。互联网崇尚合作，所以现在黑产更多的是团伙作案，所以我们就需要从个体视角转换到团伙视角，而且要相信团体能量远比个体大得