这是 Beta 探索课程,内容结构、实验步骤和示例可能会继续调整。
数据采集层
规则和模型都建立在证据上。凌晨那次批量领券之所以能被发现,是因为同一批收货地址、相似手机号和同一段 IP 被采集到了同一条链路。没有采集层,规则和模型都只是猜测,团队在大盘上只能看到「活动很火」。这一层要解决的是:把用户在系统里的关键行为转成可分析、可关联、可追踪的风险事件。
采什么决定后面能判断什么。一次登录或下单至少能采到五类信息:用户(账号年龄、实名状态)、设备(device_id、浏览器指纹、模拟器特征)、网络(IP、代理特征、地域)、行为(点击路径、停留时间、请求频率)、业务(订单金额、优惠券、收货地址、支付方式)。单独看都不异常,组合起来才有判断价值——新账号加同一设备加机房 IP 加连续领券,比任何单一维度都可疑。
采上来还要结构化。事件得有统一字段(event_id、scene、user_id、device_id、ip、timestamp、risk_features、trace_id),让规则、模型、审计和回放共用同一份数据;数据再分在线和离线两条链路——在线为拦截当前请求而存在,必须毫秒级、稳定、超时可降级,复杂计算提前离线完成;离线为训练模型和复盘攻击服务,可以更完整。
但风控数据足够敏感,最小化采集、脱敏或加密存储、访问审计、保留周期到期删除,四条底线绕不开。读完本章你应该能设计一套采集与上报体系,说清采哪些维度、字段如何统一、在线离线各承担什么,并在敏感数据上守住红线。
发现内容有问题?
告诉我们哪里需要改进。
