DataVisor 维择科技是一家在反欺诈领域发展多年的公司。
2015年10月,DataVisor曾获GSR(金沙江创投)和NEA(New Enterprise Associates)领投的1450万美元A轮融资;2016年5月获元生资本B轮融资;2018年2月完成了C轮4000万美元融资,由红杉中国领投,现有投资方NEA和GSR跟投。
DataVisor维择科技的优势在于无监督机器学习技术的研发和工程落地。通过分析所有用户行为数据,在高维特征空间中对用户进行聚类,聚类之后对于疑似存在风险的群体,观察群体内用户之间的关联,越是紧密越是可疑。
近日,DataVisor维择科技宣布推出全面反欺诈管理解决方案dCube,让企业内所有涉及欺诈和风险的团队在一个平台上进行操作,直接投入生产服务。用户根据业务逻辑输入数据信息,平台进行数据清洗、特征工程、模型生成调优、审核上线和实时监控,追求轻量化和快速对接。
对于有着管理、业务、技术、数据不同诉求的企业内相关人士,dCube集合了无监督机器学习引擎、有监督机器学习引擎、规则引擎和个体异常检测引擎技术的功能,为整个风险团队服务增益。
具体而言:
业务经理需要了解风险和风险对业务的影响,进而为产品线和增长战略提供信息,dCube可以提供欺诈和风险应用。
欺诈风险分析师需要调查和管理欺诈案件,包括查看涵盖个人资料和交易历史的整个账户信息,进而分析最新的欺诈趋势和模式,dCube可以提供模型和检测概要。
数据学家和工程师需要建立和测试欺诈和风险模型,跟踪模型性能并进行实时调整,进而整合新数据源并评估欺诈信号,dCube可以提供数据和特征管理。
合规官员需要统筹管理欺诈现象,需要执行审计并评估合规风险,确保满足数据和模型治理需求,dCube基于上述能力实现其管理需求。
支持实现以上能力的技术,涵盖了预警未知风险、检测未知攻击、模型自动迭代和调优无监督机器学习引擎、结合DataVisor 无监督机器学习引擎(UML)结果和特征,可以更快、更准的识别已知的欺诈攻击的有监督机器学习引擎、通过UML 检测结果产生基于IP、设备指纹、设备UA、MAC地址、邮箱、手机号等规则,需要强规则监管的业务,需要灵活调整业务规则的规则引擎,和实时服务、贴合细分场景,评估个体风险,建立用户标签和用户画像的个体异常检测引擎。
具体落地到场景,datavisor AI反欺诈解决方案支持用户直接应用标准化场景模板并对不同场景调优。用户可以根据自己的业务,应用模板,导入数据,创建不同的优化规则。例如电商行业的薅羊毛场景、信用卡的借贷审核场景、以及盗号、交易、转账、评论等不同行业的不同场景。
细分到获客方式,首先是面向全球大型企业的直销团队;其次,datavisor通过不同行业的合作伙伴进行渠道销售。例如微软谷歌云此类技术型云计算厂商、KPMG此类咨询公司,以及中国市场较多的系统集成商和数据厂商。
谈及盈利,以往datavisor会根据用户量和场景、对接方式是实时还是批量,进行收费;对于dcube 平台,datavisor会根据用户使用的体系架构、使用场景的数量、对接方式进行收费。
对于反欺诈效果的行业评估标准,datavisor创始人谢映莲没有多谈技术指标,而是强调了工程化能力。她分享到首先业务结果的提升是客户最关注的;其次产品的用户界面可操作性,简便性也是重要的考评维度;最终,能否和生产过程快速对接、产生价值,是很重要的衔接环节。技术维度上的提升检测率,降低误伤率是一贯的标准。