伴随着京东商城、京东数科业务的快速发展，从简单规则到风控平台到风控大脑再到风险中台，京东数科风控引擎经历了多次技术架构升级，目前正在向平台化、服务化、智能化、中台化方向不断演进。我们以数据和算法为驱动，基于大数据、实时计算、机器学习和图计算等技术，打造了风控领域风险识别核心大脑——智能风控引擎。该智能风控引擎由变量中心、智能决策、策略实验室、风险洞察4大组件构成，覆盖场景账户安全、营销欺诈、信用欺诈，打造出全天候全链路高可用高性能智能风险识别监控预警防护体系，让京东数科在大规模复杂多变场景中，以不变应万变。

内容大纲

1. 智能风控引擎进化演进历程 

• 背景介绍
• 进化演进历程（简单规则、风控平台、风控大脑、风险中台建设之路）
• 问题与挑战（策略自动化、模型迭代、模型对抗性、系统稳定性方面存在的问题和挑战）

2. 智能风控引擎（解决方案）

• 变量中心
• 智能决策
• 策略实验室
• 风险洞察

3. 未来展望与思考

听众受益

1. 了解风控引擎架构如何进化演进
2. 了解目前智能风控引擎面临的挑战、解决方案

适合人群

架构师、软件研发工程师。

风控系统是业务安全防控体系中最重要的一环，它负责业务数据对接、异常分析、规则管理和风险判定等。美团的业务从最初的团购形式，发展到涵盖餐饮、到店、猫眼、外卖、金融、酒店、旅游、大交通等多个垂直领域。为应对业务的快速扩张，风控系统由一个内部系统逐渐发展为服务多个风控团队的公共平台。

在这个过程中，如何有效管理繁杂的业务和策略，如何提升风控对抗的频率，如何保障在高频的风控对抗中避免人为失误，都是风控平台长期面临的挑战。本次分享，将从美团风控系统的长期实践经验出发，探讨如何通过平台化和智能化解决业务和风控团队的各种风控需求。

内容大纲

1. 背景

• 业务安全与风控系统
• 风控模式：多个风控团队，一个风控平台

2. 挑战与方案

• 规则引擎：几十万条策略，上百个用户，如何保持每月 30% 的更新频率？
• 智能风控：上千个业务场景，几十套模型，如何保证智能不失控？
• 策略评估：一手抖就是一起事故，风控系统如何防呆？

3. 思路总结

4. 踩过的坑

听众受益

1. 了解风控系统在实际落地过程中的注意事项
2. 了解风控系统如何让机器学习落地，如何保持策略可控

适合人群

安全人员，任何对安全感兴趣或遇到安全问题的开发和负责人。

网络黑产的从业群体伪装成正常用户不断蚕食鲸吞着企业的利益。随着网络黑产攻击模式的成熟，其运作模式的可复制性也越来越高，业务安全问题日渐凸显。 企业在处理业务安全问题时，往往面临着严重的攻防信息不对等、风控与业务难以平衡、风控策略迭代无法评估等问题。 本次议题将从我们自身多年对抗黑灰产的实战角度出发，主要从业务情报、风险数据监控等角度分享黑产攻防的思路和经验。  

内容大纲

1. 业务安全对抗的核心问题

  1 ）黑产迭代快，攻防信息严重不对等

• 以黑产工具为例，短时间内多次版本升级，甲方在攻防信息的获取上存在滞后性

  2 ）风控与业务之间的平衡

• 安全vs增长，面对业务方的挑战，如何增强风控决策的可解释性

  3）海量的业务数据导致分析难度大

• 业务数据鱼龙混杂，如何在满足打击面广、误伤率低的条件下，精准识别和区分黑白流量

2. 业务安全对抗的技术实践

  1 ）业务情报的技术实践

• 补缺黑产认知短板，化被动为主动，安全工作不再“盲目”
• 通过黑产动向动态，侧面验证风控效果，安全工作在攻防两端都具备了“量化”能力

  2 ）风险数据的技术实践

• 手机号、IP和设备，对于企业而言，是风控基础数据，对于黑产而言，是作恶基础资源。基础战场上的博弈，决定谁能更快掌握主动权
• 黑产手机号和IP资源的介绍与对抗
• 设备层面上黑产的进化史以及在风控对抗上的应用

  3 ）机器学习在业务安全中的应用

• 风控模型的演化：黑白名单 - 简单规则 - 机器学习，以及各自优缺点
• 机器学习+情报能力=未来业务风控新方向

听众受益

• 知己知彼，从攻击侧了解黑灰产的现状，包括黑产产业链最新的攻击模式和发展趋势，了解目前企业所面临的业务安全问题的核心
• 了解一些技术手段在业务安全对抗场景下的实际应用

适合人群

安全、风控、运营、研发、产品经理等