诈骗、银行卡欺诈、互联网交易欺诈等，全面提升反欺诈能力。 传统人工审核方式无法应对越来越多的贷款类业务，效率低、成本高昂、且风险控制效果差。 解决方案： 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：

查看更多 →

互联网接入IP管控 操作场景 管理员可根据实际需要开启或关闭允许互联网接入IP管控，限制终端互联网接入。开启互联网接入IP管控功能后，所有终端用户均无法通过互联网接入。您可以通过设置客户端互联网访问IP白名单，允许特定IP地址段下的客户端连接云桌面。 如果开启互联网接入IP管控后

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

查看更多 →

企业级的单方风控体系已逐步建立，在机构内数据统一共享的基础上实现了覆盖业务前、中、后各环节的智能风控。然而，单方数据风控面临存在数据不全面、风控不及时的问题。随着隐私计算等技术为数据要素的有效流通提供了必要手段，多方数据联合风控成为新趋势。其中，黑名单共享查询是风控中的一个重要环

查看更多 →

应用场景 GES服务适用于互联网应用、 知识图谱 应用、社交网络、金融风控应用、城市工业应用、企业IT应用等场景。 互联网应用 在移动互联网时代，面对庞大的社交关系，媒体传播网络，GES可以帮助客户快速、有效的发现海量数据中隐含的信息。 该场景能帮助您实现以下功能。 推荐好友、商品或资讯

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 →

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Spark等工具，可以进行实时的反欺诈检测。

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 →

供应链金融：多场景应用物联网监管仓；支持多种融资模式，全程监控、风控预警；线上化金融服务平台，四流合一。 信息化规划：信息平台规划与建设；信息化趋势与技术架构；业务流程梳理；实施策略与建设方案。 开发平台服务：二次开发与快速迭代、系统协；同与交互、系统设计与实现；技术标准与规范、 服务器 资源；运维管理、运维团队组织架构。

查看更多 →

引擎CCE缩短端到端连通时间，使用 对象存储OBS 服务降低数据存储成本。同时具备如下方案优势： 安全风控能力强：利用人脸核身、数字证书、印章授权等技术手段，增强合同签约过程中的安全风控，降低合同篡改、冒签风险，规范企业用印管理。 电子签约成本低：解决方案结合华为云存储服务，单份合同

查看更多 →

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

查看更多 →

身份核验是人工智能领域最重要的应用之一，可广泛使用于金融保险、政务民生、互联网（含手机App）实名认证、O2O服务监管、网络/手机游戏防沉迷监管、访客登记、密码保护等领域。 金融、保险行业 银行、互联网金融、证券、保险公司等金融机构对用户身份真实性的要求很高，传统渠道主要依赖用户

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 →

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 →

常见问题及定位手段 snapshot too old storage test error 备机读业务报错:"UBTreeSearch::read_page has conflict with recovery, please try again later" 长查询执行期间大量并发更新偶现写入性能下降

查看更多 →

常见问题及定位手段 snapshot too old storage test error 备机读业务报错:"UBTreeSearch::read_page has conflict with recovery, please try again later" 长查询执行期间大量并发更新偶现写入性能下降

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 →

型也能给出比较满意的回答。但如果您的场景涉及以下几种情况，则建议采用微调的手段来解决： 目标任务依赖垂域背景知识：通用模型学习到的知识大部分都是来自互联网上的开源数据，如果目标任务本身属于某个领域（如金融、政务、法律、医疗、工业等），需要依赖很深的领域背景知识，那么通用模型可能无

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 →