1. 風(fēng)控初印象它遠(yuǎn)不止是“說不”“風(fēng)控”這個(gè)詞聽起來挺高大上又有點(diǎn)神秘甚至帶點(diǎn)“生人勿近”的距離感。在很多人的第一印象里風(fēng)控部門就是那個(gè)總在說“不”的部門申請(qǐng)貸款不批。交易支付攔截?；顒?dòng)提現(xiàn)審核中。仿佛它的存在就是為了給業(yè)務(wù)“添堵”給用戶“設(shè)卡”。我剛?cè)胄心菚?huì)兒也是這么想的。覺得風(fēng)控就是一堆冰冷的規(guī)則和模型對(duì)著數(shù)據(jù)指指點(diǎn)點(diǎn)然后無情地拒絕。但干了十幾年踩過無數(shù)坑也見證過因?yàn)轱L(fēng)控缺失而引發(fā)的“災(zāi)難”后我才徹底明白風(fēng)控的本質(zhì)不是“拒絕”而是“護(hù)航”。它更像一艘巨輪上的雷達(dá)和導(dǎo)航系統(tǒng)不是為了阻止航行而是為了在充滿冰山和暗礁的海域中找到最安全、最高效的航線確保整艘船也就是你的業(yè)務(wù)能持續(xù)、穩(wěn)定地抵達(dá)目的地。那么到底什么是風(fēng)控用最直白的話說風(fēng)控就是識(shí)別、評(píng)估、應(yīng)對(duì)和管理那些可能阻礙你達(dá)成業(yè)務(wù)目標(biāo)的不確定性風(fēng)險(xiǎn)的過程。這里的“業(yè)務(wù)目標(biāo)”可以非常廣泛對(duì)于一家金融公司目標(biāo)是安全地賺取利息差對(duì)于一個(gè)電商平臺(tái)目標(biāo)是促成更多真實(shí)、優(yōu)質(zhì)的交易對(duì)于一個(gè)內(nèi)容社區(qū)目標(biāo)是維護(hù)良好的討論氛圍。而“風(fēng)險(xiǎn)”就是那些可能讓你偏離目標(biāo)、甚至造成損失的事件欺詐交易、壞賬、羊毛黨、內(nèi)容違規(guī)、系統(tǒng)宕機(jī)、數(shù)據(jù)泄露……都屬于風(fēng)險(xiǎn)的范疇。所以風(fēng)控絕不是業(yè)務(wù)的敵人而是業(yè)務(wù)最親密的戰(zhàn)友。一個(gè)優(yōu)秀的風(fēng)控體系能讓業(yè)務(wù)在安全的邊界內(nèi)“撒歡兒跑”敢于嘗試新的增長(zhǎng)策略敢于服務(wù)更廣泛的客群因?yàn)樗睦镉械住＝裉煳揖蛷囊粋€(gè)一線從業(yè)者的角度掰開揉碎了跟你聊聊風(fēng)控到底在干什么以及我們每天都在琢磨些什么。2. 風(fēng)控的核心目標(biāo)在收益與風(fēng)險(xiǎn)的鋼絲上跳舞很多人會(huì)把風(fēng)控的目標(biāo)簡(jiǎn)單理解為“抓壞人”或“零風(fēng)險(xiǎn)”這其實(shí)是最大的誤解。在真實(shí)的商業(yè)世界里“零風(fēng)險(xiǎn)”意味著“零業(yè)務(wù)”因?yàn)槟憔芙^了一切可能性。風(fēng)控真正的核心目標(biāo)是在風(fēng)險(xiǎn)、體驗(yàn)、成本這三者之間找到一個(gè)精妙的、動(dòng)態(tài)的平衡點(diǎn)。2.1 風(fēng)險(xiǎn)損失的底線這是風(fēng)控的立身之本。我們需要量化風(fēng)險(xiǎn)并把它控制在可接受的范圍內(nèi)。這個(gè)“可接受的范圍”就是風(fēng)險(xiǎn)偏好Risk Appetite。比如一家保守的銀行可能將信貸損失率定為1%而一家追求增長(zhǎng)的消費(fèi)金融公司可能容忍2.5%。風(fēng)控的所有策略和模型最終都是為了確保實(shí)際損失率不突破這個(gè)底線。但這只是防守是底線思維。2.2 體驗(yàn)增長(zhǎng)的油門這是業(yè)務(wù)團(tuán)隊(duì)最關(guān)心的。過度的風(fēng)控會(huì)嚴(yán)重傷害用戶體驗(yàn)注冊(cè)要填20項(xiàng)信息、每筆支付都要短信驗(yàn)證、提現(xiàn)審核要等三天……用戶早就跑光了。因此現(xiàn)代風(fēng)控追求的是“無感風(fēng)控”或“敏捷風(fēng)控”。對(duì)于絕大多數(shù)可信用戶流程必須絲般順滑只對(duì)少數(shù)高風(fēng)險(xiǎn)行為進(jìn)行干預(yù)。我們的目標(biāo)是把攔截的“子彈”用在最關(guān)鍵的“敵人”身上避免誤傷友軍。提升體驗(yàn)本質(zhì)上就是在降低因風(fēng)控而流失的用戶成本為業(yè)務(wù)增長(zhǎng)加油。2.3 成本效率的算盤風(fēng)控本身也是有成本的。這包括直接成本如采購?fù)獠繑?shù)據(jù)、部署算力、人力成本和間接成本如因?qū)徍搜舆t導(dǎo)致的資金占用成本、誤拒帶來的商譽(yù)損失。一個(gè)高效的風(fēng)控系統(tǒng)會(huì)追求“性價(jià)比最高”的風(fēng)險(xiǎn)管控。例如對(duì)于小額交易可能用一個(gè)輕量級(jí)的規(guī)則模型快速放行對(duì)于大額交易則調(diào)用更復(fù)雜的模型和多維度數(shù)據(jù)進(jìn)行深度研判。我們要像精算師一樣計(jì)算每一分風(fēng)控投入帶來的風(fēng)險(xiǎn)降低收益是否劃算。這三者構(gòu)成了一個(gè)不可能三角風(fēng)控的藝術(shù)就在于根據(jù)業(yè)務(wù)的不同發(fā)展階段動(dòng)態(tài)調(diào)整這個(gè)三角形的形狀。業(yè)務(wù)初期要增長(zhǎng)可能適當(dāng)放寬風(fēng)險(xiǎn)容忍度優(yōu)先保障體驗(yàn)業(yè)務(wù)成熟期要利潤則需收緊風(fēng)險(xiǎn)政策優(yōu)化成本結(jié)構(gòu)。我們每天開會(huì)吵架、分析數(shù)據(jù)、調(diào)整策略吵的就是這個(gè)三角形的傾斜角度。3. 風(fēng)控的四大核心環(huán)節(jié)從感知到行動(dòng)的完整閉環(huán)一個(gè)完整的風(fēng)控流程不是一個(gè)點(diǎn)狀的“審核”動(dòng)作而是一個(gè)貫穿業(yè)務(wù)始終的閉環(huán)。我習(xí)慣把它拆解為四個(gè)核心環(huán)節(jié)它們環(huán)環(huán)相扣缺一不可。3.1 風(fēng)險(xiǎn)識(shí)別發(fā)現(xiàn)“哪里可能出事”這是所有風(fēng)控工作的起點(diǎn)。如果連風(fēng)險(xiǎn)是什么、在哪里都不知道后續(xù)所有工作都是無的放矢。風(fēng)險(xiǎn)識(shí)別主要靠?jī)煞矫鏆v史經(jīng)驗(yàn)與業(yè)務(wù)邏輯這是基礎(chǔ)。做信貸就知道有信用風(fēng)險(xiǎn)做支付就知道有盜刷風(fēng)險(xiǎn)做UGC社區(qū)就知道有涉政、暴恐內(nèi)容風(fēng)險(xiǎn)。這些是基于業(yè)務(wù)本質(zhì)的“已知風(fēng)險(xiǎn)”。數(shù)據(jù)感知與異常發(fā)現(xiàn)這是進(jìn)階。通過監(jiān)控核心業(yè)務(wù)指標(biāo)如登錄成功率、交易金額分布、申請(qǐng)集中度的波動(dòng)或利用無監(jiān)督機(jī)器學(xué)習(xí)模型發(fā)現(xiàn)群體異常模式來捕捉那些“未知的風(fēng)險(xiǎn)”或新型攻擊手法。比如突然發(fā)現(xiàn)來自某個(gè)特定IP段的所有新注冊(cè)用戶其行為路徑完全一致這就可能是一個(gè)新的機(jī)器人攻擊信號(hào)。實(shí)操心得風(fēng)險(xiǎn)識(shí)別不能只靠風(fēng)控團(tuán)隊(duì)閉門造車。必須建立與業(yè)務(wù)、運(yùn)營、客服團(tuán)隊(duì)的常態(tài)化溝通機(jī)制。很多風(fēng)險(xiǎn)線索如“最近很多用戶投訴收到詐騙短信”、“某個(gè)渠道的客戶質(zhì)量突然變差”最早都來自一線。我們團(tuán)隊(duì)有個(gè)“風(fēng)險(xiǎn)線索池”在線文檔任何部門的同事都可以隨時(shí)往里填信息我們會(huì)定期評(píng)估并跟進(jìn)這往往比數(shù)據(jù)監(jiān)控發(fā)現(xiàn)得更早、更準(zhǔn)。3.2 風(fēng)險(xiǎn)評(píng)估量化“出事的可能性和損失有多大”識(shí)別出風(fēng)險(xiǎn)后就要對(duì)它進(jìn)行“定價(jià)”。這是風(fēng)控從定性走向定量的關(guān)鍵一步。核心是評(píng)估兩個(gè)維度風(fēng)險(xiǎn)發(fā)生的概率Probability和風(fēng)險(xiǎn)發(fā)生后的影響Impact。對(duì)于概率評(píng)估我們主要依靠模型。比如信用評(píng)分模型就是通過用戶的歷史金融數(shù)據(jù)、行為數(shù)據(jù)等預(yù)測(cè)其未來違約的概率。反欺詐模型則是預(yù)測(cè)一筆交易是欺詐的概率。對(duì)于影響評(píng)估則更多依賴于業(yè)務(wù)規(guī)則和策略。例如同樣是欺詐風(fēng)險(xiǎn)盜刷100元和盜刷10萬元影響天差地別。我們會(huì)結(jié)合交易金額、用戶價(jià)值、資產(chǎn)類型等因素綜合判斷風(fēng)險(xiǎn)的嚴(yán)重等級(jí)。通常我們會(huì)用一個(gè)風(fēng)險(xiǎn)矩陣來可視化評(píng)估結(jié)果將風(fēng)險(xiǎn)事件劃分為“高概率-高影響”、“高概率-低影響”、“低概率-高影響”、“低概率-低影響”等不同象限從而決定后續(xù)資源的投入優(yōu)先級(jí)。3.3 風(fēng)險(xiǎn)應(yīng)對(duì)決定“這事該怎么辦”根據(jù)風(fēng)險(xiǎn)評(píng)估的結(jié)果我們要采取具體的行動(dòng)。應(yīng)對(duì)措施是一個(gè)豐富的工具箱絕不是簡(jiǎn)單的“通過”或“拒絕”。常見的應(yīng)對(duì)策略包括規(guī)避徹底不做。比如明確禁止在平臺(tái)進(jìn)行虛擬貨幣交易。降低最常用的手段。例如對(duì)于中等風(fēng)險(xiǎn)的交易要求進(jìn)行二次驗(yàn)證短信、人臉對(duì)于信用一般的用戶給予較低的授信額度。轉(zhuǎn)移將風(fēng)險(xiǎn)轉(zhuǎn)嫁給第三方。比如為交易購買保險(xiǎn)或與渠道約定對(duì)劣質(zhì)客戶共擔(dān)損失。接受對(duì)于低概率、低影響或控制成本過高的風(fēng)險(xiǎn)選擇承擔(dān)。比如承擔(dān)一定比例的策略性壞賬。這里最考驗(yàn)功力的是策略的精細(xì)化和差異化。一刀切的策略成本最低但體驗(yàn)最差。我們追求的是“千人千面”的風(fēng)險(xiǎn)應(yīng)對(duì)對(duì)優(yōu)質(zhì)老客可能全程無感對(duì)新客或可疑行為才逐步升級(jí)驗(yàn)證手段。3.4 風(fēng)險(xiǎn)監(jiān)控與迭代驗(yàn)證“辦得對(duì)不對(duì)下次怎么更好”風(fēng)控策略上線不是結(jié)束而是開始。一個(gè)策略的效果如何有沒有誤傷好用戶有沒有被黑產(chǎn)繞過都需要持續(xù)監(jiān)控。我們主要看幾個(gè)核心指標(biāo)捕獲率Capture Rate我們攔截的事件中真正是壞事的比例有多高這衡量策略的精準(zhǔn)度。誤報(bào)率False Positive Rate我們攔截的事件中好用戶被冤枉的比例有多高這直接關(guān)系到用戶體驗(yàn)。策略覆蓋度策略攔截了多少比例的總體風(fēng)險(xiǎn)損失有沒有大的風(fēng)險(xiǎn)漏洞沒被覆蓋基于這些監(jiān)控?cái)?shù)據(jù)我們要進(jìn)行快速的迭代優(yōu)化?？赡苷{(diào)整規(guī)則的閾值可能給模型補(bǔ)充新的特征也可能設(shè)計(jì)全新的應(yīng)對(duì)流程。風(fēng)控體系就是在“部署-監(jiān)控-分析-優(yōu)化-再部署”這個(gè)快速循環(huán)中不斷進(jìn)化對(duì)抗日益變化的黑產(chǎn)攻擊。4. 風(fēng)控的技術(shù)武器庫規(guī)則、模型與系統(tǒng)工欲善其事必先利其器?，F(xiàn)代風(fēng)控離不開技術(shù)和數(shù)據(jù)的驅(qū)動(dòng)。我們的武器庫主要包含三樣?xùn)|西規(guī)則引擎、模型算法和風(fēng)控決策系統(tǒng)。4.1 規(guī)則引擎簡(jiǎn)單直接的“如果-那么”規(guī)則是風(fēng)控最傳統(tǒng)、最基礎(chǔ)但也最不可或缺的手段。它的形式通常是“如果【條件A】且【條件B】成立那么執(zhí)行【動(dòng)作C】”。示例如果用戶來自高風(fēng)險(xiǎn)IP地區(qū)且本次登錄設(shè)備與常用設(shè)備不符且交易金額 5000元那么觸發(fā)人工審核。優(yōu)點(diǎn)邏輯清晰解釋性強(qiáng)開發(fā)部署快對(duì)于明確的已知風(fēng)險(xiǎn)非常有效。缺點(diǎn)難以應(yīng)對(duì)復(fù)雜、多變、非線性的風(fēng)險(xiǎn)模式規(guī)則之間容易沖突維護(hù)成本高容易形成“規(guī)則叢林”。規(guī)則設(shè)置的心得切忌設(shè)置大量靜態(tài)、孤立的規(guī)則。優(yōu)秀的規(guī)則體系應(yīng)該是“分層、遞進(jìn)、可解釋”的。我們通常構(gòu)建一個(gè)規(guī)則集從最簡(jiǎn)單的黑白名單規(guī)則開始到基于統(tǒng)計(jì)的閾值規(guī)則再到復(fù)雜的關(guān)聯(lián)圖譜規(guī)則。每層規(guī)則都有明確的意圖和攔截目標(biāo)并且所有被規(guī)則攔截的案件都必須能追溯到具體的規(guī)則條款和觸發(fā)數(shù)據(jù)便于后續(xù)分析和用戶溝通。4.2 模型算法從數(shù)據(jù)中學(xué)習(xí)的“預(yù)言家”當(dāng)規(guī)則難以應(yīng)對(duì)時(shí)模型就該上場(chǎng)了。模型通過對(duì)大量歷史數(shù)據(jù)既有好人樣本也有壞人樣本進(jìn)行學(xué)習(xí)自動(dòng)找出區(qū)分好壞的復(fù)雜模式。傳統(tǒng)機(jī)器學(xué)習(xí)模型如邏輯回歸、決策樹、隨機(jī)森林、梯度提升樹如XGBoost, LightGBM。這些模型在金融風(fēng)控中應(yīng)用非常成熟尤其是GBDT類模型因其強(qiáng)大的特征組合能力和較好的可解釋性通過特征重要性成為評(píng)分卡模型的主流選擇。深度學(xué)習(xí)模型如神經(jīng)網(wǎng)絡(luò)。在處理圖像驗(yàn)證碼識(shí)別、證件OCR、文本輿情分析、欺詐內(nèi)容識(shí)別、序列數(shù)據(jù)用戶行為序列欺詐檢測(cè)等方面有獨(dú)特優(yōu)勢(shì)。但其“黑盒”特性使得在強(qiáng)監(jiān)管的金融信貸領(lǐng)域應(yīng)用受限。無監(jiān)督與圖算法用于發(fā)現(xiàn)“未知的未知”。無監(jiān)督聚類可以發(fā)現(xiàn)行為異常的用戶群體圖計(jì)算則可以挖掘用戶、設(shè)備、IP、地址之間的復(fù)雜關(guān)聯(lián)關(guān)系揪出有組織的欺詐團(tuán)伙。模型應(yīng)用的坑最大的坑莫過于“模型漂移”。今天訓(xùn)練有效的模型可能因?yàn)槭袌?chǎng)環(huán)境變化、黑產(chǎn)手法升級(jí)、業(yè)務(wù)自身調(diào)整在明天就失效了。因此模型必須有嚴(yán)格的監(jiān)控和定期重訓(xùn)機(jī)制。我們不僅監(jiān)控模型的性能指標(biāo)如AUC、KS值更監(jiān)控模型輸入特征的分布是否發(fā)生變化PSI指標(biāo)以及模型打分的人群分布是否偏移。4.3 風(fēng)控決策系統(tǒng)讓策略高效運(yùn)轉(zhuǎn)的“大腦”規(guī)則和模型是武器決策系統(tǒng)則是指揮這些武器協(xié)同作戰(zhàn)的中樞。一個(gè)現(xiàn)代化的風(fēng)控決策系統(tǒng)也叫風(fēng)控引擎通常包含以下組件特征平臺(tái)實(shí)時(shí)或準(zhǔn)實(shí)時(shí)地計(jì)算和提供成千上萬個(gè)風(fēng)險(xiǎn)特征如“用戶近1小時(shí)交易次數(shù)”、“設(shè)備歷史關(guān)聯(lián)賬號(hào)數(shù)”等。這是決策的“感官”。決策引擎核心大腦按照預(yù)定義的決策流Decision Flow或決策樹Decision Tree順序或并行地執(zhí)行規(guī)則調(diào)用、模型評(píng)分、外部數(shù)據(jù)查詢等動(dòng)作最終產(chǎn)出決策結(jié)果通過、拒絕、挑戰(zhàn)等和風(fēng)險(xiǎn)標(biāo)簽。實(shí)驗(yàn)平臺(tái)為了科學(xué)地迭代策略我們需要進(jìn)行A/B測(cè)試。實(shí)驗(yàn)平臺(tái)能對(duì)流量進(jìn)行分割讓不同用戶群體走不同的策略路徑從而對(duì)比新老策略的效果。案件管理系統(tǒng)對(duì)于被系統(tǒng)攔截或標(biāo)記的案件需要人工進(jìn)行復(fù)審。案件管理系統(tǒng)提供了高效的操作界面、所有相關(guān)數(shù)據(jù)的聚合展示以及最終處置結(jié)果的反饋閉環(huán)這些反饋數(shù)據(jù)又是優(yōu)化規(guī)則和模型的寶貴原料。系統(tǒng)建設(shè)的體會(huì)風(fēng)控系統(tǒng)絕不是買一個(gè)外包產(chǎn)品就能搞定的事。它必須與你的業(yè)務(wù)數(shù)據(jù)、業(yè)務(wù)流程深度耦合。自研當(dāng)然成本高但靈活度和貼合度是外包無法比擬的。對(duì)于初創(chuàng)公司可以優(yōu)先使用成熟的SaaS服務(wù)快速起步但當(dāng)業(yè)務(wù)復(fù)雜度達(dá)到一定階段后擁有自主可控的風(fēng)控決策系統(tǒng)將是核心競(jìng)爭(zhēng)力的體現(xiàn)。5. 不同業(yè)務(wù)中的風(fēng)控實(shí)戰(zhàn)面面觀風(fēng)控的理念相通但在不同業(yè)務(wù)場(chǎng)景下其關(guān)注點(diǎn)和實(shí)現(xiàn)手段差異巨大。脫離場(chǎng)景談風(fēng)控都是空談。5.1 信貸風(fēng)控與“信用”共舞這是最經(jīng)典、體系最完善的風(fēng)控領(lǐng)域。核心是評(píng)估借款人的“還款意愿”和“還款能力”。貸前審核重點(diǎn)在于反欺詐和信用評(píng)估。運(yùn)用多頭借貸數(shù)據(jù)、征信報(bào)告、社交行為等數(shù)據(jù)通過模型給出信用評(píng)分決定是否授信及額度、利率。這里團(tuán)伙欺詐如騙貸團(tuán)伙和身份欺詐冒用他人身份是防范重點(diǎn)。貸中監(jiān)控賬戶存活期內(nèi)的風(fēng)險(xiǎn)監(jiān)控。監(jiān)測(cè)用戶消費(fèi)行為是否異常如突然大額套現(xiàn)、還款表現(xiàn)是否惡化、在其他平臺(tái)是否出現(xiàn)逾期等動(dòng)態(tài)調(diào)整其額度或采取催收預(yù)警。貸后管理逾期發(fā)生后的處置。包括催收策略制定、資產(chǎn)分類、核銷等?，F(xiàn)代貸后管理也大量運(yùn)用模型預(yù)測(cè)催收難易程度對(duì)不同類型逾期客戶采取差異化的催收手段。信貸風(fēng)控的關(guān)鍵數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)尤其是合法的、高質(zhì)量的正面信貸數(shù)據(jù)如還款記錄和負(fù)面數(shù)據(jù)逾期記錄。在數(shù)據(jù)有限的情況下如何利用替代數(shù)據(jù)如電商消費(fèi)、支付、社交等構(gòu)建有效的信用模型是當(dāng)前的熱點(diǎn)和難點(diǎn)。5.2 交易與支付風(fēng)控在“瞬間”決斷支付風(fēng)控的特點(diǎn)是實(shí)時(shí)性要求極高通常在毫秒級(jí)內(nèi)必須做出決策。用戶體驗(yàn)極其敏感誤攔真用戶支付會(huì)造成交易失敗和客戶流失。核心挑戰(zhàn)盜刷、洗錢、套現(xiàn)、商戶欺詐等。黑產(chǎn)利用盜取的銀行卡信息、通過技術(shù)手段繞過驗(yàn)證進(jìn)行盜刷是主要敵人。技術(shù)要點(diǎn)設(shè)備指紋精準(zhǔn)識(shí)別用戶設(shè)備即使更換IP、清空Cookie也能通過硬件、軟件的多維度信息進(jìn)行關(guān)聯(lián)。行為序列分析分析用戶從登錄、瀏覽商品、加入購物車到支付的整個(gè)行為序列與歷史正常行為模式對(duì)比發(fā)現(xiàn)異常如直接跳轉(zhuǎn)到支付、收貨地址突然變更。實(shí)時(shí)圖譜計(jì)算快速識(shí)別交易關(guān)聯(lián)網(wǎng)絡(luò)。例如多個(gè)不同賬戶在短時(shí)間內(nèi)向同一個(gè)新商戶集中付款極有可能是套現(xiàn)或洗錢行為。策略平衡支付風(fēng)控策略往往設(shè)置多個(gè)決策節(jié)點(diǎn)。第一道輕量級(jí)規(guī)則快速放過絕大多數(shù)正常交易對(duì)可疑交易觸發(fā)增強(qiáng)驗(yàn)證如短信、指紋對(duì)高風(fēng)險(xiǎn)交易直接攔截并通知用戶。通過這種分層策略兼顧安全與體驗(yàn)。5.3 營銷與業(yè)務(wù)風(fēng)控守護(hù)“增長(zhǎng)”的果實(shí)這部分風(fēng)控常被忽視但卻直接關(guān)系到企業(yè)的利潤。核心是對(duì)抗“羊毛黨”和防止資源被濫用。典型場(chǎng)景新用戶注冊(cè)紅包、促銷活動(dòng)補(bǔ)貼、積分兌換、虛擬資產(chǎn)發(fā)放等。對(duì)抗手段人機(jī)識(shí)別區(qū)分真實(shí)用戶和機(jī)器腳本。除了傳統(tǒng)的驗(yàn)證碼圖形、滑塊、點(diǎn)選更高級(jí)的是無感驗(yàn)證通過分析用戶在頁面的鼠標(biāo)移動(dòng)軌跡、點(diǎn)擊頻率、觸摸行為等來判斷。資源限流對(duì)單個(gè)用戶、設(shè)備、IP在單位時(shí)間內(nèi)的領(lǐng)取次數(shù)、領(lǐng)取總量進(jìn)行限制。群體挖掘利用聚類算法發(fā)現(xiàn)具有相似異常行為如領(lǐng)券后立即注銷、所有行為都圍繞領(lǐng)券展開的用戶群體打上“羊毛黨”標(biāo)簽整體限制。核心矛盾如何在不傷害真實(shí)用戶參與熱情的前提下精準(zhǔn)打擊黑產(chǎn)這需要非常精細(xì)的數(shù)據(jù)分析和策略設(shè)計(jì)往往需要與運(yùn)營、產(chǎn)品部門緊密協(xié)作設(shè)計(jì)“風(fēng)控友好”的活動(dòng)規(guī)則如紅包需消費(fèi)后才可提現(xiàn)。6. 風(fēng)控人的日常數(shù)據(jù)、策略與無止境的對(duì)抗外人看來風(fēng)控工作可能很酷像偵探實(shí)際上更多的是與數(shù)據(jù)、報(bào)表和會(huì)議為伴。一個(gè)典型的風(fēng)控?cái)?shù)據(jù)分析師或策略工程師的一天可能是這樣的上午打開監(jiān)控報(bào)表查看昨日核心指標(biāo)有無異動(dòng)。處理案件管理系統(tǒng)里堆積的待審案件在復(fù)審中尋找策略的不足。參加業(yè)務(wù)需求會(huì)了解下周要上線的新活動(dòng)評(píng)估風(fēng)險(xiǎn)并提前準(zhǔn)備預(yù)案。下午分析一個(gè)近期上線的反欺詐策略的效果計(jì)算捕獲率和誤報(bào)率。發(fā)現(xiàn)某個(gè)規(guī)則誤傷較高開始追溯數(shù)據(jù)分析誤傷用戶特征準(zhǔn)備調(diào)整規(guī)則閾值或增加白名單。與算法工程師討論為即將迭代的信用模型提供業(yè)務(wù)分析和特征建議。隨時(shí)響應(yīng)業(yè)務(wù)警報(bào)。比如運(yùn)營突然反饋“某個(gè)渠道的推廣鏈接被刷爆了”需要立即拉取相關(guān)數(shù)據(jù)分析攻擊模式緊急上線一條臨時(shí)規(guī)則進(jìn)行封堵。這個(gè)工作的魅力與挑戰(zhàn)在于你永遠(yuǎn)在與一個(gè)聰明的、不斷進(jìn)化的對(duì)手黑產(chǎn)博弈。你今天堵住了一個(gè)漏洞明天他們就會(huì)找到新的方法。這就要求風(fēng)控人必須保持持續(xù)學(xué)習(xí)的心態(tài)深入理解業(yè)務(wù)對(duì)數(shù)據(jù)敏感并且有極強(qiáng)的邏輯分析和問題解決能力。這不僅僅是一份技術(shù)活更是一份融合了業(yè)務(wù)洞察、數(shù)據(jù)科學(xué)和心理學(xué)理解欺詐者心理的綜合學(xué)科。風(fēng)控的世界沒有銀彈沒有一個(gè)模型或規(guī)則能一勞永逸。它是一場(chǎng)基于數(shù)據(jù)和理性的持久戰(zhàn)是一場(chǎng)在混沌中建立秩序、在不確定性中尋找確定性的精彩旅程。如果你對(duì)解開復(fù)雜謎題、守護(hù)價(jià)值創(chuàng)造的過程充滿興趣那么風(fēng)控這片領(lǐng)域永遠(yuǎn)有新的挑戰(zhàn)等著你。