金融科技CASE STUDY · 04/06上海
头部城商行
该行零售业务日均交易量超过 1,500 万笔，原有规则引擎每秒处理能力上限 8,000 笔，高峰期频繁触达瓶颈。
12 万
峰值 QPS 处理量
< 28ms
P99 风控决策延迟
99.3%
欺诈识别准确率
62%
欺诈损失率下降
01
挑战
该行零售业务日均交易量超过 1,500 万笔，原有规则引擎每秒处理能力上限 8,000 笔，高峰期频繁触达瓶颈。同时，新型网络欺诈手法快速演化，规则引擎更新周期长，欺诈损失率持续上升。
02
方案
基于数工 DG-V700 推理集群构建实时 AI 风控中台，替换原有规则引擎核心决策模块，实现毫秒级深度学习风控。
01高并发推理：16 台 DG-V700 构成推理集群，峰值处理 12 万 QPS，P99 延迟 28ms
02自适应模型：在线学习机制让风控模型每 4 小时自动更新，欺诈模式识别领先攻击方式
03关联图谱：实时构建资金流动图谱，识别跨账户欺诈团伙关系链
04联邦学习：与同业 3 家银行共建联邦反欺诈模型，整体识别率提升 18%
03
交付时间线
- 风控升级需求立项，技术选型评估
- POC 测试：DG-V700 推理性能满足延迟要求
- 生产环境部署，与原规则引擎并行运行灰度验证
- 全量切换至 AI 风控中台，原规则引擎降级为兜底
- 联邦学习平台上线，与同业开展联合反欺诈
欺诈损失率下降 62% 是结果，但更重要的是误拦截率压在 0.01% 以内 — 客户体验没有下降。原来规则引擎每天误拦上万笔正常交易，运营投诉是这个项目立项的真实驱动力。