中国银联 & TigerGraph

中国银联: 基于TigerGraph图分析,打造智能化的金融合规系统

智能化的金融合规系统实现成效

在关系型数据库中,随着关系的数量和深度的增加,关系查询的效率将急剧衰减,甚至崩溃;图数据库因其图存储结构,解决此问题具有天然优势。在完成以下五高测试后,TigerGraph的测试结果都很好地满足客户预期。

  1. 高可用测试:主要用于测试集群的稳定性,内容包括各组件的高可用性
  2. 高可拓展测试:主要用于测试集群的扩展性,内容包括增删节点、在线扩容/兼容、数据分布变化、配置项变化等
  3. 高安全测试:主要用于集群在代码级别的安全性检查,内容包括由厂商出具黑白盒报告
  4. 高管理测试:主要用于集群具备较为完善的管理功能,内容包括:集群或者部分组件的启动/停止/重启、参数调整、进程监控、资源监控等
  5. 高性能测试:主要用于图数据库的数据导入、导出、查询性能测试

客户痛点

  • 传统的关系型数据库系统(db2)以及非关系型数据系统(Hadoop)在海量数据基础上构建多层(或称之为“步”)的泛关联关系 ,并以此为基础实现深度链接关系的信息洞察方面,存在着固有的、难以逾越的技术缺陷。
  • 目前大数据平台中,要从卡号、手机号、手机设备、身份证号、云闪付APP用户号类型的近30亿节点找出关联关系,需要在近60亿的关联关系中,通过多次的迭代和汇聚,“洞察”出这些节点的关系,从而生成客户对应的ID号 ,在性能方面难以达到要求。
  • 反套现、赌博、洗钱等场景存在较为复杂的资金链路及团伙行为,传统关系型数据库难以进行违规行为的有效挖掘。

基于TigerGraph图分析计算平台,成功升级智能化的金融合规系统

  • 统一关系图谱
    银联的数据类型丰富,且体量较大,按照传统的设计思路,如果生成多张图,会缺失图与图之间的关系,如果生成一张大图,则可能由于点边关系过多造成数据的剧烈膨胀。因此,需要构建一套全面、精简、可用的企业级统一关系图谱。
    通过建立“持卡人、商户、机构、交易”四维一体的基础模型,既体现了关键实体的主要关系,又避免了数据过于膨胀。TigerGraph图分析平台,帮助客户建立了包含60亿节点、100亿关系边的统一关系图谱,这已应用于套现侦测、网络赌博侦测、持卡人社区、商户社区等模型

  • 图数据建模
    在前面的统一知识图谱的基础上,通过图算法与机器学习的结合,TigerGraph帮助银联构建了更为丰富的特征,弥补了机器学习特征上的不足,从而更好地应用于套现侦测、赌博侦测等模型

客户评价

为什么选择TigerGraph,因为TigerGraph在高可用测试、高可拓展测试、高安全测试、高管理测试和高性能测试这五高测试中,都非常好地满足了我们的预期。

客户简介

中国银联(China UnionPay)成立于2002年,主要负责建设和运营全国统一的银行卡跨行信息交换网络、提供银行卡跨行信息交换相关的专业化服务、管理和经营“银联”品牌、制定银行卡跨行交易业务规范和技术标准。目前已在179个国家和地区开通服务,截至2020年,中国银联已成为全球发卡量最大的卡组织,累计发行86+亿张银行卡。