随着现代信息化技术的逐渐发展我国已经进入了大数据时代，但是随着数据的增多会出现很多“脏”数据、伪数据，降低了数据的可靠性，出现了跟多网络诈骗等事件。读脉团队深耕反欺诈行业多年，深知真数据的重要性。通过结合大数据与区块链技术，构建全新反欺诈大数据生态群DMChain，运用一系列开源工具，还原数据真实性的同时，建立用户画像，并进行欺诈风险评级，打造全新反欺诈方式，大幅度降低风险。
在随着我们国内经济水平的不断提高，随着互联网、云计算等网络相关的新技术不断的完善和知识的普及，不仅我们的社会信息已经悄然进入到了大数据的时代，而且人们的生活也日益便捷、富盈。但就在我们大跨步的向前发展的同时，金融诈骗、不良借贷、坏账等事件却频频爆发，这使得反欺诈就变得尤为重要。
大数据时代，所有大量的数据产生和流转都将成为再平常不过的了。但随着数据的增多，“脏”数据、伪数据也随着增多，降低了数据的可靠性。随着传统金融企业系统的边界逐渐消失，越来越多的攻击发生在业务层面和数据层面。目前中国市场上主流的解决方案，基本是业务层面，基于黑名单和专家规则的防御手段，也就是把业务运行中积累的经验，固化下来，用来防止相同的欺诈再次发生。但有时候经验远比不上欺诈手段翻新来的快，从根源上净化数据，还原真实数据，也就可以预防欺诈的发生，从而降低欺诈的风险。
读脉团队深耕反欺诈行业多年，深知真数据的重要性。通过结合大数据与区块链技术，构建全新反欺诈大数据生态群DMChain，运用一系列开源工具，还原数据真实性的同时，建立用户画像，并进行欺诈风险评级，打造全新反欺诈方式，大幅度降低风险。
DMChain初期已成功开发包括Data Hub数据清洗挖掘工具包、标签画像、数据建模、AI技术应用等多类型开源工具。原始数据通过Data Hub进行挖掘、降噪、清洗，变成可使用的结构化数据；经过清洗的结构化数据，通过标签画像工具，生成详细的风险管理报告；再通过数据建模的专业工具计算，得出相应的反欺诈评分，对客户进行欺诈风险评级。此外，工具使用者也可以在原模型基础上进行个性化修改、利用自有数据训练模型、二次开发并升级迭代。
同时利用先进的AI技术，基于大量数据深度学习算法，开发出智能语音电核和智能催收机器人进行坏账催收。在此过程中，通过采集和分析音频数据，都将生成电核数据和催收数据，促使催收模型不断优化，更精准识别欺诈行为。
就在这个正向发展循环的绿色生态中，开发者和使用者都可以从中获益，并共同维护生态发展。开发者发布开源工具到链上，通过其他用户使用其开发的工具获得收益；使用者提交待加工的数据并支付代币，得到其需要的结构化数据、标签画像，或反欺诈模型评分等。
读脉团队构建的新型反欺诈大数据生态群，不仅降低了行业风险，还推动了反欺诈行业的发展，扩展出行业新方向，为用户和开发者制造出保护伞，使其在这个绿色循环的生态中互利共赢，共同促进反欺诈行业的良性发展。
