快手金融风控策略算法工程师-【电商安全】
任职要求
1、本科及以上学历，3年以上电商黑灰产对抗经验，计算机、数学、统计学等专业； 2、熟练掌握SQL、Python等数据分析工具，有较强的数据分析能力； 3、熟练掌握机器学习、深度学习常见方法， 有实际风控场景落地的经验优先； 4、跨团队沟通能力强，思维敏捷，逻辑严谨， 具有良好的团队协作精神。
工作职责
1、负责快手电商业务金融风控，构建风险指标、完善风险画像和对抗策略体系， 降低线上风险水位； 2、深入理解支付业务，了解业务风险； 通过数据分析和算法设计，科学制定策略，推动落地实施，完善策略监控体系，保证策略准确性和健壮性； 3、参与产品流程设计讨论，审核评估产品风险，保障支付业务快速健康发展。
1.基于历史数据和专家经验，进行数据分析和特征挖掘，设计针对海外业务场景的欺诈、盗用、作弊等风险的安全策略且持续优化； 2.负责海外多个场景如电商拒付欺诈、web3、游戏、支付等场景的策略冷启动风控方案设计与优化，构建不同行业的通用策略，支持产品标准化落地和可复制化； 3.与产品、技术团队深度合作，承担部分技术运营相关工作，与售前团队合作，解答客户的风控问题，确保企业客户满意度。
1.风险建模与算法开发 研发实时/离线的反欺诈、反洗钱（AML）和信用风险模型，覆盖信用卡、电子钱包、加密货币等支付场景。 应用机器学习（如GBDT、深度学习、图神经网络）和规则引擎，提升欺诈检测准确率并降低误杀。 针对跨境支付特点（如汇率波动、多国合规要求）优化风险策略。 2.数据驱动风控 挖掘用户行为、交易链路、设备指纹等数据，构建风险特征体系 通过大数据分析（如Spark/Flink）识别新型欺诈模式（如跨境套现、团伙作案） 3.系统落地与迭代 推动风控算法在实时决策引擎（如Drools/Fraud Ranger）中的部署，确保毫秒级响应 设计A/B测试框架，监控模型效果（如召回率、误判率），持续迭代策略 4.跨团队协作 与合规、产品、国际业务团队合作，确保风控方案符合当地法规（如GDPR、PSD2） 输出风控技术文档，向非技术部门解读算法逻辑与风险趋势
1、基于LLM（大语言模型）构建金融风控分析引擎，实现信贷反欺诈、用户画像生成、异常交易识别等场景的智能化决策 2、开发端云协同风控系统，结合隐私计算技术实现多方数据安全融合与风险建模 风控策略优化与落地 1、设计信贷全生命周期风控模型（A/B/C卡），通过大模型优化特征工程、模型融合及策略调优 2、构建动态风险指标监测体系，开发实时反欺诈规则引擎，降低资损率 3、探索多模态大模型在金融场景的应用，如风险策略生成等
1. 基于业务场景抽象产品和技术逻辑，负责或参于设计算法机制从多种有业务属性的数据中挖掘企业/个体户特征，应用机器学习、深度学习、专家系统等技术实现信用评价、信贷反欺诈等场景的算法体系构建； 2. 研发实现SOTA水平的异常检测模型、图模型等在企信风险评估场景上的落地，深入理解业务场景，设计和迭代风险定价、额度策略等核心模块； 3. 构建用户风险画像量化评估体系、风险分析指标体系等，优化特征工程与模型迭代流程，建设动态策略调优系统； 4. 探索大语言模型（LLM）在智能尽调、风险预警、特征构建、策略迭代等场景的创新应用；构建可解释性AI（XAI）体系，输出可信的风险决策依据；