Fraud/Risk的工业界ML的前景怎么样

如题，最近在市场上找机会，巧合拿到一些做Fraud detection/Abuse/Risk的offer（比如detect abnormal login, email abuse）。因为以前从来没有用过ML做这类的工作和项目，请问大家对于这个行业/方向怎么看？

1. 相比于computer vision/NLP，fraud 这个行业industry做ml的前景大家觉得怎么样，看了blind的一些评价 感觉risk/fraud的组好多都是site reliability engineering这类的都很不推荐
2. 现在的state of art的模型是用machine learning 或者deep learning么。还是ruled based的系统（如果是这样好像似乎不是很fancy， 会不会以后做其他ml的方向的不认可？）拿到的估计是偏modeling的职位

感谢各位

匿名用户 发表于 2021-09-09 13:40:49
发展上的局限是指个人的career ladder么 还是指这个方向的impact不够大？

impact很大 分分钟很简单的模型和ruleset就能帮公司减少几百万几千万美元损失 但risk是个defense部门 做好了是你应该的职责 作为cost center肯定是要成本越低约好的 所以晋升 可能其他revenue center会更容易些 个人看法

另外骗子真的层出不穷 很多时候rule based model不见得比model差 有时候ML production完全跟不上新花样的速度

曾经BOA做fraud的，离开fraud已经两年了。fraud估计是ML最早的实际应用领域之一，一般业界还都是用classification建模产生fraud score再配合rules由人来完成the last mile也就是生成alert通知customer。各大银行主要用的是SAS提供的model但是现在也都在背后自己开发model因为SAS的subscription fees每年在millions以上这个级别根据transaction volume会有很大的不同。但是一时半会想要替代用了很多年的model其实并不容易因为很多rules都是根据现行model优化的，所以用ML做fraud并不是收集数据train one model那么简单，会有很多业务逻辑需要考虑比如哪些feature可能会因为claim date发生变化 etc。美国的金融机构是长期受到严格监管的fraud也不会例外，所以好的model从submit to deploy需要长时间的compliance investigation, 比如有没有使用可能歧视的feature有没有忽略vulnerability etc。 这个过程可能会长达一年甚至多年，期间除了写/改documents和各个其他部门开会（si bi）基本是没啥technical work的。

更加重要的是，银行作为长期求稳的系统引入新变量本身就会被别的stakeholders attack，根据大部分银行或者更加宽泛的finance institutions的policy有些fraud即使被抓到也还是要赔这部分钱所以新model的performance肯定是会被打折扣的再算上人力资源以及infrastructure的成本未必就能给公司带来足够的收益。没有收益，可以想见fraud ml team的重要性也不存在了。所以总体而言做金融界的fraud detection modeling，作为engineer的成就感是比较小的。

当然会有很多fintech专门做这个然后卖服务，但是作为乙方不就得看甲方爸爸的脸色了么。 关于risk，各个机构有自己长期一套的做法基本不怎么依赖model，就算用上model大概率也会很强调interpretability 这也是JP morgan那么浩大的research team 主要做model interpretability 以及 fairness的原因。

业内人士来答一波： 前景还行 需求很大 模型难度不高 WFH之后fraud量增加了很多 eComm和支付行业发展会带动 跟金融行业的后台风控有相似之处 取决于公司的budget 有天花板

工作机会挺多的，前景不清楚

起码在business领域 fraud/risk是特别适合做ML的，use case相对清晰，有很好的tagging/labeling data。机会、需求也蛮多的。但是要注意的是fraud/risk一般是cost center，发展上会有一定的局限，在公司的地位也要看不同公司对风险这一块的态度。我不是做ML的，但在risk的业务部门做过data，后来发现自己对这个领域真的提不起兴趣于是换了领域。

使用场景清晰，很多行业和公司都需要。相反，对CV/NLP有需求的公司少很多，且更内卷。

工作机会多，但比较累。道高一尺魔高一丈，fraud永远抓不完。

flymanpeterpan 发表于 2021-09-09 12:55:40
起码在business领域 fraud/risk是特别适合做ML的，use case相对清晰，有很好的tagging/labeling data。机会、需求也蛮多的。但是要注意的是fraud/risk

发展上的局限是指个人的career ladder么 还是指这个方向的impact不够大？

skininthegame 发表于 2021-09-09 13:51:42
业内人士来答一波： 前景还行 需求很大 模型难度不高 WFH之后fraud量增加了很多 eComm和支付行业发展会带动 跟金融行业的后台风控有相似之处 取决于公司的budget 有天花板

多谢回复！ 小弟想多问一下 关于fraud行业的ML模型serving infra和业界ads的serving infra通用么？有点想往scalable ML infra上发展

我也在做fraud detection相关的ml 答主可以私我！