近年来,数字金融蓬勃发展,金融科技日趋成熟,信息技术的发展对社会产生巨大积极作用的同时也带来了新型风险,网络黑产呈爆发式增长,电信网络诈骗给人民群众造成了巨大的财产损失。在数字金融时代,商业银行既迎来了新的机遇与动力,又面临着新的挑战和数字化变革的要求,线上金融业务已经成为新的主战场。在此背景下,基于 RFM 高维衍生特征和对机器学习算法的研究,构建了基于高维交易行为画像的事中反欺诈机器学习模型。依托大数据、流计算等技术,通过在系统化部署、应用策略以及模型迭代优化等环节的实践,形成了一套基于机器学习模型的事中风控方案。实践证实,该模型的AUC达到了0.972,可以敏锐洞察欺诈风险,实现毫秒级的