PayPal大数据 张彭善：大数据复杂风控模型在PayPal Risk的应用（英文版）

随着第三方支付的迅猛发展，PayPal的风险控制也面临着日新月异的挑战。PayPal风险控制部门一直致力于利用基于大数据的机器学习的模型和灵活的规则检测欺诈交易和欺诈用户。我们利用自主研发的大数据机器学习系统，不仅能满足盗号（Account take over）、盗卡（Stolen financial）等传统欺诈用例的模型自动化构建，亦能服务于新兴的同谋（Collusion）、洗钱（Money laundry）、信用（Credit）等等用例。同时，此系统还可以提供规则的自动学习、自动化的特征类型识别、自动化的特征选择、标准化的模型输出（PMML）等等一站式功能。利用该系统大大缩短PayPal离线风控模型的开发周期，我们已经成功将以前一周的工作周期减少为一天的时间。听众受益： PayPal风险控制业务背景 如何基于Hadoop构建端到端的机器学习系统 智能化、自动化的特征统计、特征类型识别和特征选择 作者介绍 张彭善：2008年硕士毕业于上海交通大学，从2010年起开始关注Hadoop的发展，2012年初加入PayPal Risk Data Science。刚加入PayPal主要使用Ha