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。
开始 - 风控系统概述
优惠券活动上线后的凌晨两点,注册量突然翻了十倍,运营以为活动爆了,直到财务发现同一批收货地址、相似手机号、同一段 IP 在批量领取新人券——这不是流量高峰,是自动化作弊。只看增长数据,分不清「活动很火」和「数据可疑」。风控要回答的不是「有没有坏人」,而是在业务照常运行的前提下识别可疑行为、控制损失、减少误伤、沉淀能力。
真正难的是三组取舍:拦截率与误杀率、实时性与准确性、规则确定性与模型泛化。拦得越狠越容易伤到正常用户,规则越确定越容易被绕过。所以风控不是单点算法,而必须分层:规则处理已知且可解释的风险,模型识别隐蔽模式,名单快速命中已知高风险实体,人工审核兜住边界样本。
动手前得先想清楚保护什么。用户、设备、网络、行为、业务资产是五类常见风控对象;电商关心薅羊毛与刷单,社区关心刷赞与垃圾内容,金融关心盗号与欺诈交易——换个业务,要保护的资产就不同。
本章确定起点认知和主线:先采证据,再用规则处理已知风险、用模型识别未知模式,靠名单与实时检测快速处置,最后用案例复盘和反馈闭环养能力。读完本章,你能解释一个成熟风控系统面对一次处置给出的四个答案:为什么判为风险、触发了什么动作、误伤怎么申诉、效果怎么评估。
发现内容有问题?
告诉我们哪里需要改进。
