36氪獲悉，7月11日，「極驗」舉行Graph Learning 創新大會暨極驗 2019 圖數據建模平臺發布會，並發布新產品——圖數據建模平臺。
36氪曾多次報導極驗。極驗成立於 2012 年，是一家驗證安全技術服務提供商。36氪曾報導，極驗的核心產品為是一款嵌入 PC 端或移動端登陸頁的驗證滑塊，用來取代傳統的輸入型驗證碼。背後的技術支持包括用戶的生物特徵，比如滑鼠移動軌跡等行為軌跡的分析，結合動態更新的資料庫和全網聯防技術，在 SaaS 後臺，極驗也為網站提供實時的數據分析和預警功能。
本次發布的新產品圖數據建模平臺，是極驗在圖數據建模領域探索數年後，研發的一套符合建模需求的底層數據引擎，支持企業級圖數據深度學習建模，企業能夠一站式完成建模操作。
圖數據是什麼？在企業紛紛線上化，做數位化轉型的時期，會產生大量數據。對於不少AI公司通過深度學習來訓練神經網絡而言，大量的數據是必要的，但對於更多的具有特定關係的關係數據，現在的挖掘則很少，比如對於社交網絡中的關係，則適合用圖數據來表達，因為圖數據可以囊括裡面的節點（社交帳號、帖子），以及用戶間的關係（關注、轉發）等。
另外，應用圖數據來做深度學習，能夠做到端對端的自動學習，以往的深度學習很多還是靠手工規則來提取，像這類人工環節就可以省去，提高企業從系統底層搭建數據平臺的效率。
在技術架構方面，疊圖技術框架的核心包括中間三層，分別存儲層、操作層和建模層。
存儲層與操作層合稱為圖存儲引擎，主要完成對圖數據分布式存儲以及圖數據操作的抽象接口。在這一層的設計上，極驗圍繞圖分區、圖數據的結構設計與存儲，以及整個數據系統的索引設計與優化來做了大量開發工作，以支撐上層數據操作的高效性，比如隨機遊走、子圖採樣等。
而在落地場景場面，極驗圖建模平臺可以適用於風控和營銷兩大類業務場景。
以車險反欺詐為例，一起車輛事故的數據有很多，車輛損傷數據就包括褶皺、凹陷、開裂、擦傷等等；另外還有車輛屬性信息，來自不同的廠商，不同的年份，版本也不相同。這些數據之間存在著複雜關係，比如當車輛的發動機損壞的時候，往往也會伴隨著其他的零配件損壞。通過建立車險理賠的圖，利用圖神經網絡，可以很好的發現一些風險模式，比如線上風險、二手車風險、人傷碰瓷、理賠人員問題等等。
疊圖集成了大規模圖數據分布式建模能力，以 Web 端提供服務，企業可以直接上手使用，不需要專家也可以進行建模，降低了建模門檻。其次，極驗將整個建模流程固化到平臺上，後期模型的維護成本也大大降低。
在性能方面，極驗圖數據建模平臺完成百萬節點構圖需要的時間不到20秒。而對於 1 億節點，5 億邊規模的數據，極驗在 10 個 worker 上的構圖時間只需要 150 秒。在讀取性能上，極驗可將子圖採樣的時間控制在 100 毫秒以下，顯卡不會出現計算延時。
對於未來的發展方向，極驗表示，除了風控和營銷外，醫學藥物挖掘、圖像識別、智慧城市等研究方向，也有圖技術的發展空間；另外，近年來頗為流行的技術中臺、數據中臺等概念，疊圖也可以從數據的關聯度出發，將各類數據進行整合建模，提升中臺的建設效率。