在大数据时代，金融科技公司通常借助消费数据来综合评估用户的信用和还款能力。这个过程中，某些中介机构会搜集大量的号并进行“养号”工作，即在一年周期里让这些号形成正常的消费、通讯记录，目的是将这些号“培养”得非常健康，然后卖给有欺诈意向的用户。这类用户通过网上信息提交审核，骗到贷款后就“销声匿迹”了。
那么，如何更快速地预防或甄别可能的欺诈行为？如何从超大规模、高并发、多维度的数据中实现在线实时反欺诈？这些都是金融科技公司当下面临的主要难题。
一、在线实时反欺诈的难点和痛点
有三类常见的金融欺诈场景：一是材料伪造。这是早年需要提交纸质材料时期常见的欺诈；二是“养号”，常见于中介机构，通过收取服务费来维护大量号的健康状态，卖给有欺诈意向的用户进行贷款申请；三是来自于专业黑客的威胁，他们通过寻找系统、流程的漏洞等方式，对账号安全构成攻击。
金融科技因其虚拟性特征，主要风险集中在两方面：一是欺诈风险，二是信用风险，因此核心的风险评估流程就是反欺诈和信用评估。对于反欺诈而言，信息核实、高危人群拦截和实时计算、识别、决策是其核心风控手段。而对于信用风险的评估，需要内外兼修。
目前，在线实时反欺诈会面临各类痛点，主要痛点集中在以下三方面：
一是低延时要求
越是大量数据需要计算，所需时间越长。在网贷盛行的年代，经常流传的一句口号是“三分钟授信，一分钟放款”，甚至有的公司打出“一分钟授信，半分钟放款”。但是在大数据场景中，数据分析与处理对低延时的需求越来越高。
