风控场景的扫描策略，一般是采用规则 + 模型的方式。在 DT + AI 时代，模型作为一种机器学习的代言，在其中扮演越来越重要的角色。由于模型是对数据进行机器学习训练得到的，这就产生了几个问题：

• 如何原始数据加工成为模型所需要的数据？
• 如何简单方便地进行模型训练，并评估模型效果？
• 如何把线下的模型推送上线，并保证线上线下逻辑一致？
• 如何有效地监控模型运行的情况，并在模型衰退之前作出反应？
• 如何做到快速模型的在线更新，实时更新？

模型平台要如何架构，才能更好解决上述问题，是安全架构师们面临的实际问题。这也是我们在实践中遇到的问题和挑战，在本次分享中，我将会从阿里巴巴的实践来进行详细说明。

演讲提纲

• 业务安全态势及全链路安全防控；
• 安全防控手段；
• 模型平台的定位及价值；
• 模型平台的架构；
• 架构经验（包含数据处理过程）

听众受益

• 了解常见安全风控引擎建设过程中会碰到的问题；
• 了解模型平台的架构要点；
• 了解风控数据处理过程的难点及解法。