eBay交易风控业务采用了大量的机器学习模型和规则来应对线上欺诈活动。机器学习模型要求特征平台能快速生成亿级的特征仿真数据用来训练模型，能保证离线仿真数据和在线特征数据一致以防止模型部署之后效果不达预期，能在几十毫秒内完成数百个特征的批量读取以满足实时推理场景的耗时要求；风控规则要求特征平台能在几十分钟内快速发布自定义的特征计算逻辑以应对突发欺诈活动，对于回看窗口为数月的特征，也能在几小时内完成冷启动。

eBay风控实时特征平台是一个支持动态计算范式的智能数据处理引擎。该平台具有高数据准确性、低数据更新延迟、在线离线数据一致等特点，很好地支持了eBay风控领域实时规则决策、实时模型推理、大规模特征仿真回溯、特征冷启动、模型自动化迭代等场景，让eBay能高效灵活地应对各种线上欺诈活动。

演讲提纲：

1. 风控机器学习模型对特征平台的要求
   • 上亿级特征仿真回溯
   • 在线离线数据一致
   • 大批量低延迟特征值读取
2. 风控规则对特征平台要求
   • 快速发布自定义特征
   • 特征冷启动
3. eBay风控实时特征平台核心能力介绍
   • 总体架构介绍
   • 技术亮点深入探讨
4. 展望
   • 图特征
   • 基于RAG的特征补充
   • 特征自动挖掘和推荐

听众受益点：

• 了解风控领域对于特征平台的特殊要求
• 了解eBay风控实时特征平台针对数据存储模型、特征定义语言、Flink和Spark实施方面的一些独到之处和效果