虹科案例 | Redis企业版数据库：金融行业客户案例解读

传统银行无法提供无缝的全渠道客户体验、无法实时检测欺诈、无法获得业务洞察力、用户体验感较差、品牌声誉受损和业务损失？Redis企业版数据库具有低延迟、高吞吐和可用性性能，实施Redis企业版数据库，可以使金融机构实现即时的客户体验、实现精细高效的财务风险分析、降低成本、实现零信任、进行欺诈检测、利用AI进行在线特征存储等，从而全方位满足客户的需求。

一、利用AI/ML模型进行欺诈检测

1.概述

在如今的金融服务行业中，新数字产品进入市场的速度越来越快，系统之间的联系也越来越紧密，网络犯罪活动也持续增长。企业每年因欺诈而损失数百亿美元，受损形式包括罚款、和解金以及削弱支撑金融服务行业的信任和客户忠诚度。在过去两年内，有47%的企业曾发生欺诈，零售欺骗案件同比增长2倍，根据PWC报告总的损失为420亿美元。

随着在线交易的复杂性、数量和速度的增加，金融企业需要利用更先进的欺诈检测方法来应对网络犯罪分子的持续攻击及不断变化的欺诈策略。

2.挑战

数十年来，基于规则引擎的方法一直被用于打击欺诈，虽然可以有效检测简单、不变的已知欺诈模式，例如黑名单或执行速度检查，但无法区分风险和正常行为，导致误报增加，进而损害用户体验。例如，一位英国顾客在巴西里约热内卢的一家酒店消费了400美元—这是在国外使用克隆卡，还是一位出差的高管正在使用呢?

3.解决方案

想要提高准确性和检测速度？解决方案是将AI模型与内存数据库中的上下文输⼊/输出数据放在一起，例如采用虹科提供的Redis企业版数据库—提供满足事务SLA所需的低延迟。RedisAI模块可以为深度学习(DL)TensorFlow和PyTorch模型提供服务。

Redis企业版数据库具有最小延迟、高吞吐量和高可用性的可扩展分布式架构，因此可用于AI/ML在线特征存储。

</