风控引擎是一种基于数据分析和机器学习算法的系统，能够实时识别和处理各种风险问题，适用于金融、电商、智能制造、交通运输等各领域，能够提高企业的风险管理水平和业务效率。

风控引擎主要有风险管理、交易验证、实时监控等作用。

风险管理：风控引擎通过分析操作者行为、交易模式和历史数据来识别潜在的欺诈风险，并及时提出警告。并通过监控业务的状况，及时发现和处理安全隐患，从而避免损失的发生。

交易验证：风控引擎可以通过技术验证和数据分析，确保交易的合法性和真实性，如确认操作者身份、交易有效性、风险评估等，并制定应对安全措施。

实时监控：风控引擎可以通过分析客户信息、历史交易数据和公共数据库等信息，对客户的信用状况进行评估和风险判断，并通过实时监控各种风险，对交易异常、信用评估、欺诈检测等，通过即时通知进行提醒和预警。

数据是风控引擎的重要组成

数据是风控决策引擎中不可或缺的组成部分，包括历史数据、实时风险数据、行为数据等等，不仅提供关键的信息和指示，更有助于做出明智的决策。通过不断地收集、分析和利用数据，风控引擎可以更好地理解市场变化和顾客需求的变化，分析和识别潜在的风险因素，实现更准确的预测和预警，进而及时调整风险控制策略。

业务数据。业务数据是企业业务相关的数据，包括客户个人信息、交易记录、账户使用等，可以用来评估用户背景、还款能力、消费习惯等。

政务数据。政务数据是指与政府协会等机构相关的数据，包括公共数据库、法律档案、黑名单等，以用于识别以前有过违规记录的用户。

征信数据。征信数据是指记录个人信用历史和相关财务信息的数据，包括个人基本信息、收入、职业、婚姻状况、信用卡和贷款信息等，

三方数据。三方数据是指由第三方数据提供商收集的数据，如经济数据、市场数据、风险IP、欺诈设备、电信诈骗手机号等。

数据的质量和准确性是非常重要，风控引擎的数据聚合产品支持不同类型、不同调用方式的外部渠道数据，不仅使用到大量的政务、业务数据，并在多渠道引入数据，然后进行统一管理和数据的规范处理，解决从数据源接入至数据应用的问题，全面支撑风控引擎对数据应用的需求。

顶象风控引擎的数据接入

风控引擎接入数据的方式有多种。例如，金融行业的业务数据一般是通过SQL接入内部数据库；三方数据一般是通过URL接入外部数据厂商的数据；也可以通过映射实现外部数据与风控引擎的字段关联，并且能够对同一外部数据的多次调用。

以顶象Dinsight实时风控引擎为例，首先在控制台接入，然后就可以在引擎配置。

接入控制台 (console) ，在application.properties中配置：

接入引擎 (engine)， 在application.properties中配置：

顶象Dinsight实时风控引擎可以在营销活动、支付下单、信贷申请等场景，对业务前端发送的请求进行风险判断，并于毫秒内返回决策结果，以提升业务系统对风险的防控能力。日常风控策略的平均处理速度在100毫秒以内，聚合数据引擎，集成专家策略，支持对现有风控流程的并行监测、替换升级，也可为新业务构建专用风控平台；聚合反欺诈与风控数据，支持多方数据的配置化接入与沉淀，能够进行图形化配置，并快速应用于复杂策略与模型；能够基于成熟指标、策略、模型的经验储备，以及深度学习技术，实现风控自我性能监控与自迭代的机制；集成专家策略，基于系统+数据接入+指标库+策略体系+专家实施的实战；支持对现有风控流程的并行监测、替换升级，也可为新业务构建专用风控平台。