InfoQ
·
Monzo基于BigQuery和微服务的实时欺诈检测架构
💡
原文英文，约500词，阅读约需2分钟。
📝
内容提要
Monzo重新设计了其欺诈预防平台，以应对复杂的诈骗和支付量增加。新系统实时检测欺诈交易，快速部署控制，确保低延迟。每笔交易经过四个步骤，确保准确检测，并支持按需计算特征，使用DAG管道管理依赖关系，提升性能。
🎯
关键要点
-
Monzo重新设计了欺诈预防平台，以应对复杂的诈骗和支付量增加。
-
新系统实时检测欺诈交易，快速部署控制，确保低延迟。
-
每笔交易经过四个步骤，确保准确检测，包括识别适用控制、加载必要特征、执行控制和应用决策。
-
Monzo的欺诈检测面临挑战，约每10,000笔交易中就有1笔是欺诈交易。
-
平台关注四个优先事项：控制复杂性扩展、新控制的快速部署、性能可观察性和超低延迟。
-
控制被重新组织为三种类型：检测器、行动控制和行动选择控制。
-
特征计算由专用微服务处理，使用有向无环图（DAG）管道高效管理依赖关系。
-
平台的可观察性依赖于BigQuery，存储每次控制执行的元数据，帮助团队测量有效性和迭代优化控制。
❓
延伸问答
Monzo的欺诈检测平台有哪些主要特点？
Monzo的欺诈检测平台具有实时检测、快速部署控制、性能可观察性和超低延迟等主要特点。
Monzo是如何确保每笔交易的准确检测的？
每笔交易经过四个步骤：识别适用控制、加载必要特征、执行控制和应用决策。
Monzo面临的欺诈检测挑战是什么？
Monzo面临的挑战是每10,000笔交易中约有1笔是欺诈交易，且诈骗者快速适应，使静态控制无效。
Monzo的控制类型有哪些？
Monzo将控制重新组织为三种类型：检测器、行动控制和行动选择控制。
Monzo如何处理特征计算以支持欺诈检测？
特征计算由专用微服务处理，使用有向无环图（DAG）管道高效管理依赖关系，确保低延迟。
Monzo的欺诈检测平台如何利用BigQuery？
平台依赖BigQuery存储每次控制执行的元数据，帮助团队测量有效性和迭代优化控制。
➡️
