技能库 2544 个
更多分类（194）
评分卡模型构建
使用逻辑回归或树模型开发信贷评分卡，评估用户违约风险，支持特征分箱与分数映射
密码库漏洞挖掘
使用模糊测试、符号执行等技术挖掘OpenSSL、libsodium等密码库中的内存安全或逻辑漏洞
业务风险场景识别
基于业务逻辑与历史数据，识别并分类可能的风险场景，如账号盗用、交易欺诈、恶意营销等。
实时风控系统对接
设计并实现与实时决策引擎的接口，确保策略毫秒级执行，保障风控策略的实时性与稳定性
威胁情报提取与关联
从多源威胁情报中提取IOC（如IP、域名、哈希等），并与内部安全日志关联，进行攻击溯源和风险量化
日志分析及告警关联
从海量日志中提取异常模式，关联多源告警生成攻击链，支持安全事件的快速溯源与响应。
Phishing邮件特征提取与分类
从邮件头、正文、附件中提取特征，分类是否为钓鱼邮件
安全基线配置核查
自动检查系统/网络设备配置是否符合安全基线标准，生成合规报告并标记偏离项。
响应流程合规性检查
自动检查已执行的安全响应步骤是否符合预设合规策略（如GDPR、PCI DSS），标记缺失步骤并建议补充操作，确保响应过程满足法规与内部风控要求。
A/B测试设计与分析
设计线上模型对比实验，计算统计显著性并输出效果评估，为风控模型迭代提供量化决策依据。
风险事件复盘报告生成
自动汇总风险事件时间线、影响范围、根因分析，输出结构化复盘报告，支持业务安全专家快速定位与改进。
规则引擎配置
将模型分数转化为可执行的决策规则，配置阈值与策略组合到规则引擎中，实现自动化风控决策。
钓鱼邮件自动化研判
解析邮件头、附件及URL，输出安全评分及处置建议
欺诈规则引擎配置
在规则引擎中配置和调整反欺诈规则，包括阈值、条件组合及优先级
样本不平衡处理
针对欺诈/信用数据中的正负样本不均衡，提供过采样、欠采样或合成样本的完整处理方案，提升风控模型性能。
DLP策略模板编写与调优
编写数据防泄漏检测策略（关键词、指纹、行为基线），并通过事件回溯调整策略阈值以减少误报和漏报。
反欺诈模型特征计算
按业务规则和模型公式计算反欺诈模型所需的特征，如设备关联人数、登录频次、IP聚集度等，用于欺诈评分与风险识别。
样本设计与特征工程
设计坏样本定义策略，进行样本平衡处理与特征衍生，涵盖时序特征与聚合特征
规则命中率统计报表生成
每日自动生成各规则的命中率、误杀率统计报表，辅助反欺诈策略优化与监控
联邦学习安全协议集成
集成安全聚合、差分隐私等联邦学习协议，保障模型训练过程中的数据隐私与通信安全，适用于安全与风控场景。
漏洞复现验证
根据漏洞报告或CVE描述，搭建环境复现漏洞并验证其真实性，为漏洞研判与应急响应提供依据。
欺诈案例复盘报告生成
自动生成欺诈案例复盘报告，包含时间线、关键指标、规则命中情况
Web应用防火墙规则调优
根据流量特征自动调整WAF规则，降低误报率，提升安全防护效果
模型监控与报告生成
自动化生成模型性能监控报告（含PSI、KS、AUC等），并输出稳定性告警