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。
作弊案例分析
单个模块讲完还只是一堆零件,放进真实攻击才看得出它们怎么配合。这一章用一场「新人券薅羊毛」攻击把前面的模块串起来:新用户注册后领 50 元券、首单满 100 可用,上线 30 分钟后注册量暴涨、领券量异常升高,支付成功率却很低。
最早暴露问题的是监控里的三个信号:新注册账号数是平时的 12 倍,同一批 IP 段领券频率异常,大量订单地址相似、支付后很快退款。这些信号能同时出现,前提是事件按用户、设备、IP、地址采集过——否则团队只看到「活动很火」,无从判断风险。
止血第一轮靠规则:设备注册数、IP 领券频率、新账号加高风险 IP,触发验证、限速或人工审核。规则上线快、损失立刻降下来,但攻击者很快切换 IP 和设备指纹,部分流量继续绕过。第二轮交给模型,它发现一批 IP 不同、行为路径相似的账号:注册后 5 秒领券、30 秒下单、地址文本相似、支付方式集中,于是触发人工审核和权益冻结,样本回流训练集。
确认作弊后实体分级入名单:作弊账号进黑名单,设备指纹和部分代理 IP 段进灰名单,地址相似簇进人工审核名单。这次攻击还暴露三个改进点:活动上线前没做风险压测、设备和地址的相似度特征不足、告警只看订单量而没看领券转化和退款率。读完本章你应该能复盘一次攻击,指出风控在哪一环失守,把结论变成下一轮任务。
发现内容有问题?
告诉我们哪里需要改进。
