技能库 2544 个
更多分类（194）
异常检测算法调优
针对时间序列或图数据，优化孤立森林、LOF、GraphSAGE等异常检测算法的参数与性能，以提升风险识别准确率与召回率。
欺诈样本标注清洗
从原始数据中识别并标注欺诈样本，处理标签噪声与不平衡问题
异常行为模式识别
利用统计方法与简单机器学习模型识别业务场景中的异常行为序列，支持登录、支付、领券等核心环节。
客户尽职调查信息提取
从身份证件、营业执照等文档中提取关键信息并校验一致性，辅助反洗钱合规官完成客户身份识别与风险初判。
用户申诉处理
自动处理用户对内容处置的申诉，复核并更新判定结果
钓鱼邮件模拟
设计并发送钓鱼邮件，追踪用户打开链接或附件的行为，生成安全意识评估报告
制裁名单匹配分析
自动比对交易对手与SDN、EU、UN等制裁名单，输出匹配结果及风险等级
SQL 欺诈数据提取与特征工程
编写复杂SQL查询从交易、行为表中提取特征，进行数据清洗和聚合，用于反欺诈模型训练与规则分析
信用风险评级模型计算
基于财务数据和市场数据，计算违约概率（PD）、违约损失率（LGD）、违约风险暴露（EAD）等信用风险指标，并输出信用评级结果。
规则引擎与决策流配置
编写并调试反欺诈规则（如频次、地域、设备指纹），配置决策树流程，以自动化识别和阻断欺诈行为。
模型效果监控报告生成
自动计算KS、AUC、PSI等指标，生成日/周模型稳定性与效果报告，用于反欺诈模型工程师日常监控与风险预警。
损失数据收集与校验
从各业务系统提取损失数据并自动校验格式与完整性，确保数据质量满足操作风险分析要求。
制裁风险评分计算
基于交易金额、地区、行业等维度，按内部模型计算交易制裁风险得分
合规案例库检索
从历史处罚案例库中检索相似案例，提供处罚金额与合规要点参考
GBDT+LR融合模型训练
利用LightGBM/XGBoost提取叶节点特征，结合LR进行欺诈概率预测
安全策略配置检查
自动检查云环境、网络设备等安全策略配置是否符合合规要求
对抗样本攻击与防御模拟
针对反欺诈模型，构造对抗样本测试鲁棒性，并设计特征哈希、梯度掩码等防御策略。
可疑行为模式识别
通过聚类或序列分析发现异常资金流转或拆分交易模式，辅助反洗钱合规官识别潜在洗钱风险。
A/B测试设计与评估
设计规则或模型的A/B测试方案，评估效果指标（如准确率、误杀率）。
VaR模型计算
计算历史模拟法、参数法或蒙特卡洛模拟下的在险价值，生成日频报告。
欺诈交易检测模型构建
使用监督学习方法（如XGBoost、神经网络）构建欺诈交易实时检测模型，涵盖特征工程、模型训练与部署。
风险数据集市ETL设计
设计并实现面向安全与风控场景的ETL流程，整合交易、行为、外部黑名单等多源风险数据，确保数据质量、一致性与时效性。
敏感内容识别
自动识别文本、图片、视频中的政治敏感、色情、暴力等违规内容，辅助内容安全策略师进行风险判断与处置。
审核日志分析
分析审核日志，发现误判漏判模式并提出优化建议