答题拦截:通过答题分散流量
限流虽然保护了系统,但还有个新问题:限流是平均主义的,它只管速率,不管”谁”在发请求。
一个每账号 20 毫秒发一次请求的脚本,只要不超出令牌桶允许的额度,限流器就会一视同仁地放它行。于是出现了一个看起来很公平、实际上很不公平的局面:真人用户还在读页面、还在找按钮,脚本已经把整个额度的请求发出去了。限流把”系统被打垮”防住了,但没防住”库存被脚本买走”。
换句话说,限流解决的是可用性问题,而防刷要解决的是公平性问题——这两件事需要不同的手段。
上一节的令牌桶解决的是”系统扛不扛得住”。但它有个明显的漏洞:限流是平均主义的——脚本请求和真人请求被同等对待,只要不超速就都放行。一个手速 20 毫秒的脚本,照样能在限流允许的额度内抢到库存。
答题门槛换了个思路:不跟脚本比快,改成比”贵”和比”慢”。
它同时做两件事:
- 提高脚本成本。 每一张抢购资格都要先过一次认知关——理解题目、做出只有人能做的操作。账号越多、请求越多,要过的关就越多,边际成本被陡峭地推高。
- 分散流量。 原本挤在整点后 0.2 秒内的请求,被拉长到几十秒内到达,把尖峰摊成缓坡。
关键洞察在于:脚本在”并发”和”网络延迟”这两个维度强得离谱,但在”理解语义 + 生成拟人操作”上很弱。 答题正好把竞争维度从机器换成人和时间:
| 维度 | 脚本 | 真人 | 加上答题后 |
|---|---|---|---|
| 并发能力 | 几百 QPS 每账号 | 1 个请求 | 都一样,答题把请求串行化 |
| 网络延迟 | 20 毫秒 | 350 毫秒 | 差异被抹平 |
| 认知成本 | 接近 0 | 接近 0 | 脚本变贵,真人不变 |
| 能否规模化 | 极容易 | 极难 | 脚本成本随量线性上升 |
它和令牌桶的分工是完全不同的:
| 令牌桶 | 答题门槛 | |
|---|---|---|
| 解决的问题 | 系统扛不扛得住 | 抢的人是不是人 |
| 对超限请求的处理 | 拒绝(立刻) | 延后(给一次机会) |
| 影响对象 | 所有超速请求 | 只有被判定为可疑的请求 |
| 是否打扰用户 | 是(被拒的用户) | 是(要答题的用户) |
所以它们是叠加关系,不是二选一:令牌桶保护系统,答题保护公平性。 而且答题只对可疑请求触发,正常用户完全不受影响。
最后补一句现实:答题不是银弹。 图形验证码早就被 OCR 和打码平台攻破,行为验证码也正在被不断模仿。它的定位是”抬高批量刷单的成本”,而不是”绝对阻断”。这一节最后会回到这个话题。
完整的流程如下:
用户点击"立即抢购"
│
▼
风控引擎:这次请求需要答题吗?
├─ 不需要 ────────────────────────► 直接放行到下单接口
└─ 需要
│
▼
生成一次性 ticket,绑定会话,返回题目
│
▼
用户在页面上完成答题(滑动 / 点选 / 输入)
│
▼
答题服务校验:答案对不对 + 轨迹像不像人
├─ 不通过 → 允许有限次重试,超限则本次请求作废
└─ 通过 ──► 签发"抢购凭证",ticket 置为已用
│
▼
用户用凭证调用下单接口
│
▼
凭证校验(一次性、有效期、绑定用户)
│
▼
进入库存预扣链路(第 4.1 节)
流程里有五个必须做对的设计点:
第一,答题和下单要分离。 答题只负责签发一张”抢购凭证”,不直接创建订单。这样答题服务不需要碰库存和订单表,可以独立扩容;下单接口的逻辑也不会被验证码逻辑污染。
第二,凭证必须一次性、有时效、绑定身份。
| 属性 | 取值 | 原因 |
|---|---|---|
| 一次性 | 用过即废 | 防重放:抓到一次请求就能无限下单 |
| 有效期 | 30~60 秒 | 太久容易被截获后转卖,太短会误伤答得慢的用户 |
| 绑定用户 | 绑定 user_id + 会话 | 防止一个账号答完把凭证转给别人用 |
| 绑定活动 | 绑定 activity_id | 防止用一次答题资格刷多个活动 |
第三,出题时机很关键。 不要在倒计时归零的那一刻给所有人出题——那会让所有人在同一秒卡在答题页,反而制造新的尖峰。常见做法是活动开始后再放:开售瞬间先按普通请求处理,等风控确认了可疑流量再要求答题。
第四,状态机要清晰。
待触发 ──风控判定──► 待答题 ──下发题目──► 已出题
│ │
│ ├─ 答错 ──► 可重试(次数有限)
│ └─ 答对 ──► 已发凭证 ── 使用 ──► 已失效
└─ 超时 ──► 作废
第五,凭证必须由服务端签发。 不能让前端自己声明”我已经答过题了”——那等于没有验证。签发动作发生在答题服务端,下单接口只认凭证、不认会话里的其他状态,否则就会出现”凭证还没签发、下单请求已经到了”的竞态。
验证码的形态经历了几个阶段:
| 形态 | 交互方式 | 防破解能力 | 用户体验 |
|---|---|---|---|
| 字符图形码 | 输入图中的 4 个字符 | 弱(OCR 秒破) | 差(要输入,输错率高) |
| 滑块拼图 | 拖动缺口到目标位置 | 中(需要拟人轨迹) | 好(拖一下即可) |
| 点选文字 | 按顺序点出目标 | 中 | 好 |
| 行为验证 | 完成一次拟人操作并校验轨迹 | 较强 | 好(几乎无感) |
| 无感风控 | 不出题,直接打分决策 | 依赖模型准确率 | 零 |
行为验证码的核心不是”那道题”,而是”操作轨迹”。 具体做法是:让用户完成一个只有人能自然完成的动作(把拼图拖到缺口、按顺序点出红绿灯),同时采集完整的操作轨迹——每一个指针或触摸点的坐标、时间戳、按压时长。
然后校验这条轨迹”像不像人”:
| 特征 | 真人 | 脚本生成 |
|---|---|---|
| 速度曲线 | 起步慢、中间快、接近目标时减速 | 匀速或瞬间到达 |
| 加速度 | 有明显的加加速度抖动 | 平滑无抖动 |
| 轨迹形状 | 略微弯曲,常有细微修正 | 完美直线或数学曲线 |
| 落点 | 落在目标框内但有偏移 | 精确落在坐标点上 |
| 按压时长 | 数十到数百毫秒 | 0 毫秒(瞬移) |
def is_human_like(trajectory: list[tuple[float, float, int]]) -> bool:
"""校验操作轨迹是否具备真人的运动特征。"""
if len(trajectory) < 12:
return False # 点太少,人做不出这么短的轨迹
speeds = []
for (x1, y1, t1), (x2, y2, t2) in zip(trajectory, trajectory[1:]):
dt = max(t2 - t1, 1)
speeds.append(((x2 - x1) ** 2 + (y2 - y1) ** 2) ** 0.5 / dt)
if max(speeds) > 3.0: # 瞬移
return False
if max(speeds) - min(speeds) < 0.05:
return False # 匀速,典型的机器特征
# 起止两端都应有减速:真人不会匀速启动,也不会全速冲到底
head = speeds[: len(speeds) // 3]
tail = speeds[-len(speeds) // 3:]
if max(head) > max(speeds) * 0.6:
return False
if max(tail) > max(speeds) * 0.6:
return False
return True
这段代码只是思路示意。生产环境会用更完整的速度分布统计和模型判别,而不是几个阈值。
服务端的数据结构:
下发题目:
key: captcha:challenge:{challenge_id}
字段: type(题型)、value(图片或题目内容)、answer(正确答案)
TTL: 120 秒
答对之后:
key: captcha:ticket:{ticket_id}
值: user_id
TTL: 60 秒(同时把 ticket 标记为已用过)
校验流程:
1. 取出题目和正确答案,比对用户提交的答案
2. 校验轨迹特征(is_human_like)
3. 全部通过 → 删除题目,签发 ticket
4. 题目 TTL 到期、或答错次数超限 → 删除题目,标记本次请求失败
题目必须是一次性的。 答错之后如果还允许用同一道题重试,攻击者就能用脚本无限试——直到撞出正确答案。所以答错一次就换一道新题,并且限制尝试次数。这条是防脚本的关键,不能省。
用一个具体模型算一算。假设:
活动:库存 1000 台,50 万人参与
无答题:整点后 0.5 秒内集中点击
→ 入口峰值 100 万 QPS,全部涌向下单接口
有答题:
1. 风控判定 30% 的请求需要答题(15 万人)
2. 答题平均耗时 8 秒(分布 3~20 秒)
3. 到达时间在开售后 0~30 秒内近似均匀
→ 下单接口峰值 ≈ 15 万 ÷ 30 秒 ≈ 5000 QPS
| 指标 | 无答题 | 有答题 | 变化 |
|---|---|---|---|
| 网关入口峰值 | 100 万 QPS | 100 万 QPS | 不变(答题拦不住入口流量) |
| 进入下单接口的峰值 | 100 万 QPS | 5 千 QPS | 降到 1/200 |
| Redis 库存扣减 QPS | 100 万 | 5 千 | 降到 1/200 |
| 队列长度 | 数十万 | 数千 | 显著下降 |
| 真实用户感知延迟 | 0 | 约 8 秒(仅 30% 用户) | 可接受 |
| 脚本请求占比 | 60% | 不到 5% | 大幅下降 |
这里有两点要读明白:
第一,答题削的是”进入核心链路的流量”,不是”入口流量”。 用户点”抢购”这个动作本身照样打在网关上(静态页面加 CDN 也许能挡一部分)。答题的价值在于把真正要消耗 Redis、队列、数据库的那部分流量压下来。所以答题通常和令牌桶配合:令牌桶管住入口总量,答题管住进入核心链路的形状。
第二,代价由 30% 的用户承担。 这是必须诚实面对的:如果风控误判率高,或者答题设计得让人烦躁,30% 的真实用户会多花 8 秒,转化率会掉。所以答题应该是分级触发而不是全员强制——这一点在最后一节还会展开。
为什么脚本难以应对答题?四条防线,每一条都在抬高成本:
一、题目是运行时随机的。 脚本没法预置答案,必须先拉题目、再解析、再提交。这一步就引入了一次额外的网络往返和一次解析逻辑。
二、轨迹需要像人。 脚本生成的轨迹通常是匀速直线,而真人有减速、有抖动、有微调。前面的 is_human_like 就是用来筛这类轨迹的。
三、需要真实的浏览器环境。 很多实现会同时检查浏览器的指纹特征(Canvas 渲染结果、WebGL 渲染器、字体列表、时区),纯 HTTP 客户端根本伪造不出来。
四、规模化成本高。 这是最关键的一条:
假设 1000 个账号要各抢 1 件
每个账号都需要一次答题
→ 需要 1000 次题目获取 + 1000 次作答
→ 打码平台 1 元 100 次 ⇒ 纯答题成本约 10 元
→ 再算上养号、代理 IP、设备模拟的成本
黄牛的成本模型里,每多抢一件的成本被摊薄后仍然要高于商品差价,这门生意才划算。 答题门槛的作用就是把这个成本推高。
但必须诚实:这套机制正在被持续攻击。
| 攻击方式 | 对策 |
|---|---|
| 打码平台 + 图像识别 | 判据从”图像”转向”行为轨迹” |
| 轨迹回放、鼠标模拟 | 加入随机干扰、要求中途停顿、二次校验 |
| 复用浏览器指纹 | 指纹加盐 + 定期轮换 + 行为特征联合判断 |
| 批量打码规模化 | 提高单账号答题次数上限、加强账号维度限流 |
核心结论:验证码只能”加成本”,不能”绝对阻断”。 它把刷单的边际成本抬高,让大多数黄牛觉得不划算,从而放弃。真正的兜底是第 7 章的风控体系——设备指纹、行为分析、黑名单,它们不依赖题目是否被破解。
顺带说一句,这也是为什么答题不应该被设计成”唯一防线”。哪怕验证码今天被完全攻破,系统也应该还能靠风控识别出这批流量。任何单点失效就全线失守的设计,在秒杀这种高价值场景下是不能接受的。
答题拦截改变的是流量进入核心链路的形状,不是系统的极限吞吐。所以对比要看两个阶段:入口阶段(网关收到的请求)和核心阶段(真正消耗 Redis、队列、数据库的请求)。
压测口径:库存 1000,模拟 50 万并发用户,行为模型按第 2.1 节的流量特征——开售瞬间 0.5 秒内到达 60% 的点击量,其余在 30 秒内陆续到达。真实用户作答耗时中位数 8 秒(P90 为 18 秒),脚本不答题。
| 指标 | 无答题拦截 | 有答题拦截 | 说明 |
|---|---|---|---|
| 网关入口峰值 | 100 万 QPS | 100 万 QPS | 答题拦不住入口流量,这一层不变 |
| 进入下单接口的峰值 | 100 万 QPS | 约 5 千 QPS | 峰值降到 1/200 |
| Redis 库存扣减 QPS | 100 万 | 约 5 千 | 直接决定了 Redis 集群要几台 |
| 秒杀服务实际吞吐 | 8 千 QPS(被 Redis 打满) | 8 千 QPS | 瓶颈不变,但空闲了 99.5% 的机器 |
| 单实例可支撑的入口 QPS | 3 万 | 3 万 | 网关从来不是瓶颈 |
| 抢购接口 P50 延迟 | 8 毫秒 | 8 毫秒 | 未触发答题的请求完全不受影响 |
| 抢购接口 P99 延迟 | 35 毫秒 | 35 毫秒 | 同上 |
| 端到端延迟(用户感知) | 0.4 秒 | 8.4 秒(仅 30% 用户) | 答题成本由被触发的那部分用户承担 |
| 答题服务峰值 QPS | 0 | 约 5 千 | 题目下发 + 答案校验 |
| 真实用户通过率 | 100%(但多数抢不到货) | 98.5% | 答题失败的 1.5% 需要申诉通道兜底 |
| 脚本通过率 | 约 40% | 不到 5% | 打码平台仍能过一部分,但边际成本大幅上升 |
| 库存归属 | 脚本拿走约 80% | 脚本拿走不到 5% | 这才是最终的业务指标 |
读这张表要抓住三件事。
第一,答题不是在”提升”系统吞吐,而是在”降低系统需要的吞吐”。 两种配置下秒杀服务的实际吞吐都是 8 千 QPS(卡在 Redis 扣减上),但无答题时它只真正处理了 0.8% 的流量,剩下的 99.2% 全在空转排队;有答题时它处理的是 100%。被省下来的不是性能,是钱。
第二,延迟被劈成了两段。 需要答题的请求,延迟从 0.4 秒变成 8.4 秒;不需要答题的请求,P50 和 P99 一个字节都没变。这个”两段式延迟”是答题能上线的前提——只要风险分判得准,绝大部分用户就感受不到它。
第三,通过率才是最终指标。 吞吐和延迟都是手段。真正的业务指标是”真实用户能不能买到”:无答题时脚本占了 60% 的请求、拿走了 80% 的库存;有答题时脚本请求占比降到 5% 以下,库存重新回到真实用户手里。那 75 个百分点的库存归属,才是整套答题机制存在的理由。
还要补一句成本侧的账:答题服务本身很轻——一次 Redis 读出题、一次 Redis 写签发凭证,5 千 QPS 对单机 Redis 是小意思。但答题服务必须和秒杀服务解耦、可以独立扩容,否则流量一波动就会把秒杀主链路拖垮(第 5.1 节的熔断思路同样适用)。
答题机制最容易失败的方式,不是被破解,而是被设计得太烦——一半真实用户被要求答题,用户流失,投诉上头条,黄牛照样抢。好的设计和坏的差别,往往不在题目本身,而在触发条件。
规则一:只对可疑流量触发,绝不全员强制。
按风险分触发(阈值与第 7.2 节一致):
score ≤ 30 → 直接放行,不出题,用户完全无感知
31 ≤ score ≤ 60 → 放行但记录轨迹,收紧该账号的限流额度
61 ≤ score ≤ 80 → 出题(行为验证码优先,滑块兜底)
81 ≤ score ≤ 100 → 拒绝下单 + 加入观察名单,不出题
给一条经验区间:触发比例控制在 5%~30%。低于 5% 说明风控太松,拦不住量;高于 30% 要停下来查误判率,而不是靠”改题目”来解决触发太多的问题。
规则二:题目在开售之后放,不要在整点那一刻放。
整点归零就给所有人出题,等于把 50 万人同时卡在答题页——原本被削平的尖峰又长回来了,而且所有人都更烦躁。正确的做法是:开售瞬间按普通请求处理,等风控积累了几百毫秒的判定结果后,再对确认可疑的流量出题。
规则三:答题要能异步完成,不要占用下单链路的连接和线程。
┌──────────────┐ ┌──────────────┐
│ 抢购按钮 │──HTTP──►│ 网关 / 风控 │
│ (前端页面) │ └──────┬───────┘
└──────▲───────┘ │ 判定需要答题
│ ▼
│ 返回 challenge_id + 题目
│ (不占用库存 / 订单资源)
│ │
│ 用户作答(几秒)
│ │
│◄──HTTP── 提交答案 + 轨迹
───────┴────────────── 校验通过 → 签发 ticket
关键是答题服务和下单服务完全解耦:答题只签发一张几十秒有效的一次性凭证,下单接口只认凭证、不认会话里的其他状态。这样答题服务可以独立扩容,也不会把验证码逻辑污染到秒杀主链路上。同时接住”凭证还没签发、下单请求已经到了”的竞态,靠的是服务端签发,而不是前端自报状态。
规则四:宁可让用户重答,也不要让用户重来一次完整的抢购流程。 答错一次换一道新题,最多给 2~3 次机会;超限了就把本次请求作废,但不要清空用户已经填好的表单、地址、支付信息。用户回来的时候应该是”直接再答一次题”,而不是”从头再抢一次”。
规则五:题目本身要短。 中位数作答时间控制在 8 秒以内,超过 15 秒的用户会直接放弃。行为验证码(滑块、点选)优先,字符图形码只作为无障碍场景的降级方案。答题的难度不是越高越好,难点应该落在轨迹是否像人,而不是题目是否做不出来。
规则六:给真实用户留一条无障碍通道。 答不上来的用户应该能通过短信验证或客服人工验证走掉,而不是被永久卡死。被卡死的每一个真实用户,都是一次投诉和一次口碑损失。
规则七:给效果留一个可见的回路。 每道题都要记录:谁出的、什么难度、多少人在多少秒内答对、答对后是否真的下单。如果某道题的答对率是 95%,它大概率太简单;如果只有 20% 且大多是真人,它在伤害转化率。 难度应该由数据来调,而不是由设计者的感觉来定。
规则八:任何单点失效都不该全线失守。 哪怕验证码今天被完全攻破,系统也应该还能靠限流(第 5.1 节)、行为分析(第 7.2 节)、黑名单(第 7.3 节)识别出这批流量。答题是加速器,不是发动机。
问题 1:答题会不会影响用户体验?
提示:
- 每次都要答题,会不会让用户烦躁?
- 如何平衡安全性和用户体验?
- 能否只在可疑时才答题?
解题思路
会,而且这正是答题机制最容易翻车的地方。但答案不是”要不要答题”,而是”谁被要求答题、答多久、答不上来怎么办”。三个问题分别对应触发策略、题目设计和兜底通道。
详细步骤
-
先承认代价一定会存在。 只要出题,就有用户被拦在门外。所以问题不是”有没有负面影响”,而是”这个负面影响是否小于它换来的收益”。
-
答案是”只在可疑时才答题”。 按风险分分级触发(阈值与第 7.2 节一致):低风险直接放行、中风险出题、高风险直接拦截。绝大多数真实用户落在无感知那一档,他们的 P50 和 P99 延迟一个字节都不会变。
-
体验的痛感主要来自三处,逐一处理:
- 作答时间:中位数控制在 8 秒内,行为验证码优先于字符码;
- 答错之后:换题重试 2~3 次,但不清空已填的表单和地址;
- 答不上来:提供短信验证或人工客服作为替代通道,不能把人永久卡死。
-
触发比例是核心监控指标。 经验区间 5%~30%。低于 5% 是风控太松;高于 30% 要停下查误判率,不要靠改题目去掩盖触发太多的问题——那只会把可解的题变成不可解的题。
-
要把代价和收益放在同一张表上看。 触发 30% 意味着 30% 的真实用户多花 8 秒,但换来的是脚本请求占比从 60% 降到 5% 以下、库存归属从”脚本拿 80%“回到”脚本拿 5%“。只要后者的改善大于前者的损失,这笔交易就是划算的。
-
不要让答题进入所有路径。 抢不到的失败路径不该再要求答题;用户已经在答题页失败过一次,就不该再出题。每一次额外的摩擦都要有明确的理由。
-
最后留一条设计红线:风控的目标是让真实用户买到货,不是证明每个人都是人。这句话应该直接写在需求文档里,用来否决那些”干脆全员强制答题”的提案。
最终答案
会,但可以通过分级触发把代价压到只由可疑用户承担。做法是:按风险分分层,低风险无感知放行、中风险出题、高风险直接拦截,触发比例控制在 5%~30% 并持续监控;题目要短(8 秒内)、答错可重试且不清空表单、答不上要有短信或人工通道;每次调整都同时看黄牛拦截率与真实用户误杀率。体验和安全的平衡点不是折中出来的,是靠”只让可疑的人付出代价”分层出来的。
问题 2:如何设计更难破解的题目?
提示:
- 图形题目如何设计?
- 行为验证如何实现?
- 多题目组合验证?
解题思路
“更难破解”这个目标本身要小心。破解一条验证码的成本如果远低于它保护的商品差价,它挡不住任何人。 所以设计的出发点不是”让攻击者攻不破”,而是”让批量刷单在经济上不划算”。
详细步骤
-
先算清楚要抬高多少成本。 假设单件差价 2500 元,那么 1000 个账号各抢 1 件,1000 次答题的总成本必须明显高于 2500 元的总差价,即单次成本要超过 2.5 元。而打码平台的价格是 0.01~0.1 元/次——纯图形码差着两三个数量级,靠它守住差价是不可能的。
-
所以图形题目的作用是筛掉最低端的攻击,不是挡住所有攻击。 它的正确用法是”让批量账号农场付出可感知的钱”,同时因为成本低(一次请求一次计算),可以放心地对中等风险用户使用。
-
真正的强度来自行为轨迹,不是那道题。 行为验证码(滑块、点选)采集完整的指针/触摸轨迹,然后校验它”像不像人”:起步慢、中间快、接近目标时减速;有加加速度抖动;路径略微弯曲并带细微修正;落点落在目标框内但有偏移;按压持续数十到数百毫秒。这些特征凑齐很难,脚本生成的轨迹通常是匀速直线或瞬移。
-
题目必须运行时随机。 脚本没法预置答案,必须先拉题目、再解析、再提交——这一步就引入一次额外网络往返和一套解析逻辑。题库固定 = 可被预计算 = 形同虚设。
-
题目必须一次性。 答错一次就换一道新题,并限制尝试次数。这条是防脚本的关键:否则攻击者能无限重试,直到撞出正确答案。
-
多题目组合是加法,不是乘法。 “先答一道知识题再滑一次块”看起来更难,实际提升有限,因为每加一题都在加重真实用户的负担,而脚本只要攻破其中最弱的一环就全部通过。更有效的做法是让多个独立维度同时生效:题目随机 + 轨迹校验 + 设备指纹一致性 + 账号维度限流。难度的乘积来自正交维度,不来自同一维度上的重复。
-
持续被攻击的部分要有替换机制。 图形码被 OCR 攻破就上行为验证,行为验证被轨迹回放模仿就叠加设备指纹校验(指纹加盐 + 定期轮换 + 行为特征联合判断)。静态的验证码强度会衰减,动态的组合才扛得住。
-
最后,诚实承认上限。 验证码只能”加成本”,不能”绝对阻断”。它把刷单的边际成本抬高,让大多数黄牛觉得不划算,从而放弃。真正的兜底是第 7 章的风控体系——设备指纹、行为分析、黑名单,它们不依赖题目是否被破解。
最终答案
难度设计的出发点是经济账而不是技术炫技:让单次答题成本明显高于单件商品差价,图形码只负责筛掉最低端攻击,强度主要来自行为轨迹的拟人特征校验、题目运行时随机、题目一次性与有限重试。多题目组合收益有限,真正的提升来自题目、轨迹、设备指纹、账号限流等正交维度同时生效。并且要承认上限:验证码只加成本、不做绝对阻断,必须和第 7 章的风控体系叠加。
问题 3:答题失败了怎么办?
提示:
- 用户答错了,是否给第二次机会?
- 多次失败如何处理?
- 如何防止刷题?
解题思路
“答题失败”其实有三种完全不同的情形,处理方式也完全不同:答错了(用户会、只是手滑)、答不上来(题目太难或用户不会)、被判失败(系统认为你是脚本)。把它们混为一谈,是体验崩盘的主要来源。
详细步骤
-
答错:给有限次机会,且换新题。 建议给 2~3 次机会,每次换一道题。换题是关键——同一道题重试等于给脚本无限撞答案的机会。同时记录尝试次数。
-
重试次数超限:作废本次请求,但不要作废用户的努力。 具体指:清掉本次抢购资格,但保留用户已填写的表单、地址、支付信息,让用户回来时只需要重新答一次题,而不是从头再来一遍。任何”清空一切重来”的设计都会把一次误判变成一次彻底流失。
-
答不上来:给替代通道,不要给人堵死。 短信验证码、客服人工验证都算。被卡死的每一个真实用户,都是一次投诉和一次口碑损失,而挡住他带来的收益可能只有几十单。
-
被判失败(疑似脚本):走的是风控路径,不是答题路径。 高风险请求不应该反复给机会让人试,而是直接拒绝下单、加入观察名单(第 7.3 节)。脚本的失败和真人的失败,要用不同的机制处理。
-
防止刷题,靠的是让”刷”这件事不划算:
- 题目一次性 + 答错换新题:撞答案的成本随次数指数上升;
- 尝试次数上限:每个 challenge 的尝试次数写死在服务端;
- challenge 绑定会话和用户标识:拿到的题不能转给别人做;
- 同一个账号同时只能有一个活跃 challenge:并发刷题直接判失败;
- 挑战本身要限流:答题接口也要走令牌桶(第 5.1 节),否则攻击者会把答题服务当成免费算力。
-
失败率要监控,也要能解释。 记录每次失败的类别(答错 / 超时 / 超次数 / 判失败)、耗时、用户最终是否下单。如果某个时段的失败率突然升高,要先怀疑风控阈值或题库配置被改坏了,而不是先去怪用户。
-
最后一条原则:失败必须可申诉。 失败了却无处申诉,用户就只能放弃或者投诉,而一个愿意申诉的用户是最便宜的误伤反馈源。
最终答案
分三种情形处理:答错了就给 2~3 次换题重试的机会;超限则作废本次抢购资格但保留用户已填的表单和地址;答不上来要有短信或人工的替代通道;被系统判定为脚本的失败则直接走风控路径拒绝并加入观察名单,不给反复试探的机会。防刷题靠题目一次性、换题、次数上限、challenge 绑定会话、单账号单活跃 challenge 以及答题接口自身的限流,同时失败要留痕、可监控、可申诉。
发现内容有问题?
告诉我们哪里需要改进。
