图80 风险案件库 系统管理-产品管理 接入全景式业务风控系统的前提是需要先创建产品, 系统会分配 appId和appSecret. 这两个参数标识一个应用, 也贯穿整个风控体系, 包括事件, 字段, 指标, 策略等, 就算是调用风控任何一个接口都需要对appId和appSecret进行鉴权。

查看更多 →

在海量知识中快速关联查询秒级响应，搜索结果更准确。 知识梳理 通过图上分析计算，合并相似本体，进行知识消岐。 学习路径的识别及推荐 通过知识点的先修关系，识别学习路径，针对薄弱知识点进行学习路径推荐。 金融风控应用 面对层出不穷、复杂多样的个人和群体行为，帮助客户挖掘出潜在的风险，为客户保驾护航。 该场景能帮助您实现以下功能。

查看更多 →

基于顶象能力搭建全行级的风控反欺诈中台，服务于客户全部业务线，能够结合具体业务需求配置针对金融业务领域的风控策略。 客户价值： 全面实现全渠道、跨产品、各种关联方式的欺诈风险的实时防控。为行方构建了有效的全行级反欺诈体系，获得亚洲银行家大奖。 电商公司反营销作弊智能风控系统 业务痛点：

查看更多 →

应用场景 政企信用联合风控 金融机构对于中小微企业的信用数据通常不足，央行征信数据覆盖率有限，不良企业多家骗贷事件屡有发生。金融机构与政府部门，如税务部门、市场监管部门、水电公司等在保护各方原始数据隐私的前提下，通过多方联合建模，金融机构补充了风控模型特征维度，提升模型准确率。 优势：

查看更多 →

想选择。 机器学习：机器学习中多层神经网络需要大量计算资源，其中训练过程需要处理海量的数据，推理过程则希望极低的时延。同时机器学习算法还在不断优化中， FPGA以其高并行计算、硬件可编程、低功耗、和低时延等优势，可针对不同算法动态编程设计最匹配的硬件电路，满足机器学习中海量计算和

查看更多 →

Detection）是一个经典的图问题，意在寻找图中的环路。环路上的点较好地体现了该点的重要性。 适用场景 单点环路检测适用于交通运输、金融风控等场景。 参数说明 表1 Single-Vertex-Circles-Detection算法参数说明 参数 是否必选 说明 类型 取值范围

查看更多 →

中介中心度算法（Betweenness Centrality）以经过某个节点的最短路径数目来刻画节点重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别；适用于社交、金融风控、交通路网、城市规划等领域 参数说明 表1 Betweenness Centrality算法参数说明

查看更多 →

点的核数。其计算结果是判断节点重要性最常用的参考值之一，较好的体现了节点的传播能力。 适用场景 k核算法（k-core）适用于社区发现、金融风控等场景。 参数说明 表1 k核算法（k-core）参数说明 参数 是否必选 说明 类型 取值范围 默认值 k 是 核数。 算法会返回核数大于等于k的节点。

查看更多 →

痛点三：企业的合作伙伴信息不透明，需要深入了解其经营状况和商业风险。合作伙伴选择需要综合考虑多个因素。 通过本方案实现的业务效果： 金融-信贷业务/风控（国有银行/商业银行/金融服务/财产保险/人寿保险） 降低合规监管风险：多维度数据整合、实时风险评估，提供全面的信用分析。前对企业评估风险，防范骗

查看更多 →

成推荐。 优势： 超强写入：相比于其他NoSQL服务，拥有超强写入性能。 大数据分析：结合Spark等工具，可以用于实时推荐等大数据场景。 金融行业 云数据库 GeminiDB结合Spark等大数据分析工具，可应用于金融行业的风控体系，构建反欺诈系统。 优势： 大数据分析：结合S

查看更多 →

detection）目的是寻找图中所有满足过滤条件的环路。 适用场景 带一般过滤条件的环路检测(filtered circle detection)算法适用于金融风控中循环转账检测、反洗钱，网络路由中异常链接检测，企业担保圈贷款风险识别等场景。 参数说明 表1 filtered circle detection参数说明

查看更多 →

学习任务 管理员以任务形式，把需要学习的知识内容派发给学员，学员在规定期限内完成任务，管理员可进行实时监控并获得学习相关数据。 入口展示 图1 入口展示 创建学习任务 操作路径：培训-学习-学习任务-【新建】 图2 新建学习任务 基础信息：任务名称、有效期是必填，其他信息选填 图3

查看更多 →

课程学习 前提条件 用户具有课程发布权限 操作步骤-电脑端 登录ISDP系统，选择“作业人员->学习管理->我的学习”并进入，查看当前可以学习的课程。 图1 我的学习入口 在“我的学习”的页面，点击每个具体的课程卡片，进入课程详情页面。可以按学习状态（未完成/已完成）、学习类型（

查看更多 →

EdgeFabric）服务部署，IEF通过纳管您的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘和云端的数据，满足客户对边缘计算资源的远程管控、数据处理、分析决策、智能化的诉求。同时，在云端提供统一的设备/应用监控、日志采集等运维能力，为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案。

查看更多 →

原因分析 该机器在进行过某些Windows功能的启用或关闭后未进行重启。 处理方法 请重启机器。 must log in to complete the current configuration or the configuratio\r\nn in progress must be

查看更多 →

适用于人工智能与机器学习场景的合规实践 该示例模板中对应的合规规则的说明如下表所示： 表1 合规包示例模板说明 合规规则 规则中文名称 涉及云服务 规则描述 cce-cluster-end-of-maintenance-version CCE集群版本为处于维护的版本 cce CC

查看更多 →

点集最短路算法用于发现两个点集之间的所有最短路径，可应用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系的分析。 带一般过滤条件环路检测（Filtered Circle Detection） 目的是寻找图中所有满足过滤条件的环路。适用于金融风控中循环转账检测、反洗钱，网络路由中异常链接检测，企业担保圈贷款风险识别等场景。

查看更多 →

中国金融业信息技术“十三五”发展规划（2017）指出：支持实力较强的机构独立或者联合建设金融业云服务平台，面向同业特别是中小金融机构提供云服务，提高行业资源使用效率。多家银行系金融科技公司成立，以行业云方式，对信息建设、业务流程、金融应用软件开发等能力做输出。服务从集团内部到中小银行、基金、保险、证券、信托等金融机构，再到其他非金融企业。

查看更多 →

应用场景 本节介绍ModelArts服务的主要应用场景。 大模型 支持三方开源大模型，实现智能回答、聊天机器人、自动摘要、机器翻译、文本分类等任务。 AIGC 提供AIGC场景化解决方案，辅助创作文案、图像、音视频等数字内容。 自动驾驶 实现车辆自主感知环境、规划路径和控制行驶。

查看更多 →

点集全最短路算法（Shortest Path of Vertex Sets）用于发现两个点集之间的所有最短路径。 适用场景 点集最短路算法可应用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系的分析。 参数说明 表1 All Shortest Paths of Vertex Sets参数说明

查看更多 →

个点/某条边的最短路径数目来刻画边重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别，城市热点事件\早晚高峰人群车辆迁徙发生时关键路段的模拟；适用于社交、金融风控、交通路网、城市规划等领域 参数说明 表1 OD-betweenness

查看更多 →