行业挑战
随着互联网业务的爆炸式发展，黑色产业团伙利用业务风控环节缺失、风险数据不及时和风控手段不完善等弱点，进行大规模欺诈牟利。数字技术在推动互联网业务发展的同时，也使得欺诈手段在技术上不断翻新，为黑色产业带来了可乘之机。 反欺诈是对包括交易诈骗、电话诈骗、盗卡盗号等在内的欺诈行为进行识别的一项服务，与欺诈之间是一场旷日持久的“攻防战”。反欺诈系统也经历了由简单的黑名单系统，发展为以规则引擎、实时指标计算以及机器学习等技术为组成部分的智能决策引擎系统。 在线反欺诈目前已是互联网电商与金融、新经济餐饮与零售等行业必不可少的一部分，反欺诈系统数据处理通常具有如下特征：
- 多源数据汇聚。防范欺诈活动，需建立事前、事中、事后全链路防控数据体系，如黑名单信息、用户设备信息、用户行为信息、用户业务活动信息等；
- 流式实时数据处理。面对高频且隐蔽的黑产活动，反欺诈系统需在毫秒级时间内完成欺诈行为鉴别，及时阻止黑产活动，如根据“账户当天登录城市”信息识别账户是否被盗；
- 开发维护更敏捷。为适应互联网业务的爆发式增长，应对多变的欺诈手段，反欺诈系统需支持在线弹性可伸缩部署，且应用开发友好，缩减迭代开发流程。
但是，随着新型诈骗技术专业化、事件高频化的不断发展，反欺诈系统面临着如下挑战：
解决方案
反欺诈作为互联网和新经济产业风控体系的重要一环，面对不断翻新且隐蔽的黑产欺诈手段，需要着重提高系统处理时效，及早发现即时阻止黑产非法获利，尽量挽回企业经济损失。
采用 TiDB 数据库的反欺诈解决方案能够为系统提高如下核心能力：
- 支持反欺诈系统承载各类交易数据、数据仓库预聚合数据及外部黑名单数据，为业务品种增加以及反欺诈复杂分析需求构建起坚固的数据底盘。
- 通过融合 Flink 集群的实时数据处理能力，形成反欺诈指标的实时计算，与规则引擎、机器学习共同配合支撑起反欺诈系统的智能决策体系。
- TiFlash MPP 计算能力可支持复杂场景的实时指标加工和机器学习，相较传统数据库可实现数倍性能提升。
方案优势
一、金融级原生分布式数据库，线性水平扩展能力为海量数据汇聚提供强力支持；
二、兼容 Flink 实时数据处理生态，形成实时数据处理完整技术方案；
三、行列混存资源隔离，TiFlash MPP 计算引擎轻松应对复杂欺诈统计和机器学习分析。
