技能库 2544 个

基于交易特征（金额、频率、地域等）识别并标记可疑交易，辅助风控运营专员进行安全与风控决策。

基于业务需求配置风控规则引擎中的规则，并进行参数调优以平衡通过率与风险率

基于用户行为、设备指纹等多源数据，自动生成衍生特征并完成筛选，提升风控模型效果与开发效率。

从历史处罚案例中提取典型洗钱模式

根据内容、元数据自动识别敏感数据并分类分级，辅助安全合规工程师完成数据资产梳理与风险管控。

基于Flink或Spark Streaming实时计算用户特征，用于风控模型的特征输入和实时决策。

使用规则引擎配置风控策略，包括阈值设定、条件组合与优先级排序

应用SMOTE、代价敏感学习等方法解决风控模型中的正负样本不均问题，提升模型对少数类的识别能力。

自动从外部源（如暗网、论坛）抓取黑产工具、手法信息，并结构化存储，为风控策略提供实时威胁情报。

设计风控策略的在线实验，自动生成效果对比报告（如误杀率、覆盖率）

调整SIEM告警规则以降低误报率，并优化检测覆盖范围

为Snort、Suricata等IDS编写自定义规则，检测特定攻击模式，提升安全监控与威胁响应能力。

监控交易金额偏离正常模式，识别潜在洗钱、欺诈风险并标记可疑交易

自动计算KS、AUC、Lift等指标并生成可视化报告，辅助风控模型工程师进行模型效果评估与汇报。

自动校验反洗钱监管报告的格式规范与数据一致性，确保报告符合监管要求并减少人工审核错误。

从系统日志、配置文件、数据库记录中自动化提取指定时间范围内的审计证据，支持多源数据聚合与格式标准化。

基于模糊匹配算法，对客户身份信息与制裁名单进行高效、精准的匹配，识别潜在风险。

根据规则配置自动生成风控策略文档，包含规则逻辑、生效范围、变更记录。

自动提取交易特征，生成符合监管要求的可疑交易报告（STR）

编写SQL或使用BI工具自动生成风控日报、周报，包括交易量、异常率、拒绝率等指标

使用图算法识别多账户间复杂资金流转，挖掘洗钱风险链条

编写并维护基于时间窗口、频次、属性组合的规则，用于实时拦截异常行为

对恶意样本进行静态与动态分析，提取IOC并生成结构化分析报告

使用反汇编、字符串提取等技术分析恶意样本行为，识别恶意代码特征与潜在风险。