主修数据库系统、分布式计算、统计学与计量经济学课程，在《金融大数据分析》实践中使用Python完成P2P平台风险预测模型

作为队长参与全国大学生数学建模竞赛，针对共享单车调度问题提出基于时空图神经网络的预测方案，获华东赛区二等奖

主导小微企业信贷风控平台开发，基于梯度提升树与时序分析构建风险评分卡，通过特征动态权重调整机制，使欺诈识别准确率从78%提升至89%

与信贷产品团队深度协同，针对供应链金融场景设计差异化风控策略，建立企业关联图谱模型，有效降低多头借贷风险，规避千万级潜在坏账

设计流处理架构升级方案，引入Flink+Kafka实现准实时风险事件响应，支撑日均200万笔交易的风险校验需求

负责支付风控中台架构设计，采用服务网格技术重构核心引擎，实现风控规则热更新与灰度发布，系统可用性提升至99.99%

研发图神经网络欺诈识别模型，结合设备指纹与行为序列特征，使团伙欺诈检出率提升18%，误杀率下降至0.3%

对接央行征信系统与第三方数据平台，构建多维度信用画像体系，支撑跨境支付、消费金融等5个业务线风控需求

设计基于图神经网络的企业关联风险识别模块，通过工商、税务数据构建企业知识图谱，识别隐性担保与循环注资行为

优化XGBoost模型特征工程，引入宏观经济指标与行业景气度参数，使AUC值从0.72提升至0.86，坏账率下降15%

开发可视化规则配置平台，将200+风控策略转化为业务可读的决策树，缩短策略迭代周期至2天

构建基于Kafka+Flink的流式计算管道，实现交易流水实时解析与风险事件毫秒级响应

设计多维度特征融合引擎，整合KYC信息、地理位置异常、交易频率突增等6类风险维度，欺诈拦截率提升18%

开发风控规则沙箱环境，支持新策略A/B测试，保障核心业务交易成功率维持在98.7%

深度应用异常检测算法识别支付欺诈模式，通过Isolation Forest算法挖掘用户操作时序特征中的异常波动

构建用户画像风险标签体系，结合设备指纹、地理位置轨迹等行为数据，将高风险用户识别时效提升至实时级