早上7：30，在办公楼晒满阳光的落地窗前，郑清正开始了新一天的瑜伽修炼。卧蝴蝶式、骑马式、前屈式、山顶峰式……动作要做到规范、到位，同时思维要专注，心灵要放空。一个小时下来，大汗淋漓，身心舒泰。

　　8:30，有同事陆续到达办公区。

　　他收起瑜伽垫，简单梳洗之后，开始一天的工作。

　　每天提前一个小时到公司练习瑜伽，这样的习惯，从他从华为跳槽到苏宁金融的那一天起，已经坚持了整整两年。

　　很多人对他为何从华为跳槽感到好奇。要知道，他是英国杜伦大学计算机系博士，英国斯旺西大学计算机软件工程硕士，曾任华为技术规划工程师、图像研究工程师，实力与前程一样远大。

　　“中年人要避免过度油腻，工作选择和生活锻炼都是这样。”郑清正笑着说，“当原来的工作缺乏挑战性的时候，到苏宁金融其实就是一种全新的开始，要活成自己想象中的样子。以前也锻炼，不过没有这么勤快。”

　　那么，为何要选择瑜伽呢？

　　“瑜伽不仅是体能锻炼的方式，它还是一种身心兼修的哲学。其中蕴含的哲学理念与我的工作追求及个人价值观是一致的。”郑清正说，“尤其是对我做反欺诈工作有辅助指导意义，强调的都是专注、协调、严谨。”

　　郑清正表示，反欺诈工作最难的是要避免做“事后诸葛亮”，要争取能在欺诈事前、事中做好预防，这就对打造反欺诈系统提出了更高要求。

　　以实时的反欺诈判别模型为例，对用户的分析会用到实时数据和历史数据两类。而用户的实时数据往往是分散到各个模块里的，可获得性不强；同时，在业务生产系统中实时获得历史数据也很难，因为判断账户是否异常往往要在短短的200-300毫秒内给出分析反馈，对于模型、算法、算力的要求很高。

　　郑清正指出，传统的反欺诈分析依赖关系型数据库，主要根据直接的关联关系进行分析，如一个设备登录了多少个账号、一个收货地址有多少订单等，无法直观获取全维度的整体信息。

　　而苏宁金融反欺诈团队搭建的“幻识”反欺诈情报图谱, 数据规模达50亿级，基于大规模图计算的2C、2B关系挖掘系统，实施行为监控、收集、分析，构建了一个多类型的实体关系网络，可以及时预警潜在风险，为苏宁生态圈及金融行业客户“一键”提供威胁检测、异常检测及反欺诈行为分析。

　　具体而言，使用“幻识”检索存在异常行为的账户号，系统将智能化、精准化挖掘所有与该账户有直接或间接关系的关键信息。据此，反欺诈分析人员可以建立一套完整的反欺诈模型，快速制定反欺诈数据图谱，从而定位核心作案人员和其他疑似欺诈分子，帮助平台抓取不良客户。

　　在“幻识”之后，苏宁金融又推出“极目”账户异常预警系统，基于数据挖掘和随机森林、xgboot机器学习算法，结合300余个风险评估指标，覆盖用户注册、信贷申请、绑卡签约、改绑改密、交易支付、领券用券、异常操作等全流程环节，为风险分析人员提供了一个更有借鉴价值的账户异常风险评估标准。

　　郑清正举了个例子来说明：用户A在“购买偏好”、“社交网络”、“行为特征”、“风险偏好”等方面均存在各种异常，且持有40余个关联账户。经“极目”检测，该账户为套取营销电子券舞弊用户。针对此类账户，风控部门会根据“极目”系统评分制定对应的风险策略，严控风险、保障安全。

　　目前“极目”账户异常预警系统累计评估风险用户及行为超过10亿次，充分挖掘苏宁体系生态数据，可精准识别养账户、垃圾注册账户、行为异常账户、设备异常账户、黄牛账户、高危风险账户等，准确率达92.7%。

　　“反欺诈工作要注重效率和用户体验，要尽量做到让用户无感知。这就要求相关工作人员不仅要懂技术，更要懂业务，既要负责日常运维监控，又要有很深的编程功底，能够建立有针对性的模型，做到前端与后端相统一。”郑清正说。

　　苏宁金融现拥有37名专家及技术人员组成的反欺诈团队，大都是硕士及以上学历，是一支经验丰富、技术过硬、特别能吃苦、特别能战斗的队伍。

　　郑清正在介绍反欺诈团队的情况时，进一步说道：“领导对反欺诈工作的要求是安全事件大于一切，出现风险就等于吹响了集结号，无论你在哪里，无论你在干什么，都要第一时间返回岗位处理。818大促期间，有的小伙伴半夜12点多打车回家，距离小区还有200米时被一个电话叫了回来。我们团队很多人都遇到过这种情况，半夜赶回公司处理紧急案件。大家没有什么怨言，干反欺诈工作都有这种觉悟，处理风险、解决问题放在第一位。”

　　有了能打敢拼的队伍，苏宁金融近年来集中全力打造了智能化的大数据反欺诈平台，覆盖技术全链路、业务全流程，从获客、风控、客服到催收的一系列反欺诈解决方案。包含“极目”黄牛识别系统、“伽利略”信用风险模型矩阵、“风声”金融黑产监控系统、“石出”购物贷反欺诈体系、“幻识”反欺诈图谱等20多项核心产品，苏宁金融从源头严格把控风险，及时发现和识别各类欺诈行为，全方位保障用户资金、信息安全、交易安全，维护平台生态健康，让交易资金损失率低于百万分之一，在业内始终保持较低风险概率。