世界各地的企业和政府，每年因欺诈而损失数千亿美元。随着线上交易越来越多，在线欺诈侦测和预警成为必需。基于传统的关系型和非关系型数据库的反欺诈系统，无法在毫秒级之内完成对大量数据的实时决策。

嬴图的反欺诈系统运用高并发技术，通过实时数据接收、风险分析和决策来面对未知的欺诈挑战。通过以嬴图数据库、图计算与存储引擎替换某知名反欺诈公司原有的基于Apache Spark的内存计算架构，数据无需反复ETL（Extract-Transform-Load，抽取-转换-存储），能获得相比于Spark系统200-500倍的性能提升和更高的性价比、投入产出比，实现真正的全量数据在线实时反欺诈。

在某头部股份制银行的生产系统内支持亿万量级的全量零售数据的实时决策系统，通过嬴图实时图数据库更新以及图计算与查询，支持高并发条件下的每笔交易20ms实时决策（风控、反欺诈等场景），实现了过去Neo4j等图数据库或内存数据库无法满足【海量数据容量与实时性】的业务场景和需求。

交易级实时决策中的图计算逻辑（一个图计算模型）