叶思

计算机科学硕士 (人工智能方向)

软件工程学士 (金融工程学士双学位)

1. 在腾讯和百度主导过多个项目，有Own/Lead项目经验
    2. 有稽核风控的策略经验，有独立分析和解决安全问题的能力，能针对作弊场景进行有效数据挖掘并形成安全策略
    3. 掌握多种人工智能和机器学习算法，并能有效应用于安全风控中。如孤立森林等判异算法、聚类算法、XGBoost、
GCN/GraphSage（熟悉）等
    4. 具备数据分析、大数据开发、图计算等大数据分析处理能力。 包含hive、spark、graphx、python等
    5. 工作认真负责、勇于担当、沟通和团队协作能力强；能力综合，有独立管理和运营项目的经验

QIMEI稽核风控-数据和策略算法负责人；QIMEI身份服务-数据分析师；大同DataBand-异常检测和规则学习负责人

百度国际化Simeji输入法 - 广告方向质量保障负责人

1. 主导建设了包含离线稽核策略和训练，在线黑库服务，打击质量评估的完整通用稽核风控服务体系。覆盖MAU达6亿，线上使用业务>10个
    2. 开发了基于QIMEI安全上报的离线稽核策略能力。包含模拟器识别、身份和设备篡改挖掘、设备劫持识别、虚假激活识别、虚假刷量挖掘、群控识别、协议挂识别等约30类作弊设备
    3. 实时预测：开发训练了XGBoost分类模型，且用以补充实时预测能力。和QIMEI黑库能力共同应用于在线打击能力中
    4. 设备图谱黑产扩散：在画像UID图谱的基础上，添加多类设备信息关系边以构建设备安全Graph，用图计算寻找相关关系强的节点，扩散黑产和挖掘团伙10%。共建应用GraphSage图神经网络能力的黑产扩散算法策略
    5. 行为序列异常挖掘：针对脚本、批量化、自动化的恶意刷量场景，提取了行为间隔时序数据作为原始行特征，并加入人工分析特征来共同表征行为模式。 通过对不同行为模式在行为时序上的分析，挖掘定位多类异常行为模式，并使用KMEANS++进行多层聚类，挖掘了刷量团伙
    6. 整体负责QIMEI稽核的运营和数据分析工作，包含业务接入推广、用户反馈处理、黑产case分析等数据分析

1. 指标系统：共建QIMEI36唯一设备ID的关键运营指标体系和监控体系
    2. 数据分析：负责QIMEI36稳定性的数据分析保障，业务新增Gap漏斗分析，设备指纹不稳定（一对多）问题分析等
    3. 基于QIMEI36扩散机制的设备图谱构建，兜底设备ID找回能力

1. 独立探索设计并开发了基于Isolation Tree、Gap Statistic和KMeans的数值类上报字段的异常判断和规则学习算法和工程落地
    2. 调研并构建了基于regex golf和遗传算法的字符串正则表达式规则学习
    3. 构建基于分布统计的ENUM类上报字段的异常判断和规则学习
    4. 整体训练规则量达到18w，覆盖4000+参数和600+点位的学习，抽样评估生成规则和判异准确率超95%

1. 从0到1，独立探索和开发了图计算引擎在元数据血缘图上的应用。解决了元数仓治理中，sql难以覆盖的重要计算和数据挖掘问题
    2. 完成了表循环热度递归计算，表重要度pagerank计算，表循环不规范调用挖掘等图计算任务
    3. 该套系统目前已在司内平台达到了可用状态，可承接基于血缘或其它拓扑结构的算法和图计算目标