## 贝贝业务风控构建经验总结 ##
风控就是对风险进行控制,所以风控主要需要的做的事就是发现风险和控制风险。风险在我看来就是可能会发生的对实体不利的事情的抽象。在当今互联网时代，黑产发展迅速[hyperlink syntax](http://www.freebuf.com/articles/others-articles/104536.html) ，严重威胁了互联网企业生存和发展，每一个蓬勃发展的互联网企业，都有自己的风控系统在为自己保驾护航，这里主要介绍贝贝的业务风险，比如交易欺诈（套现,骗取优惠券），秒杀抽奖活动作弊（羊毛党）,账号盗取(撞库),用户骚扰（恶意广告,垃圾评论），商家作弊(刷单)等等事情。
#贝贝风控思路#
###变量体系###
***
举一个日常例子，识别百元人民币是否为假钞：
- 通过反射纸币上有隐形的100.
- 纸币左下角的100字体会变色.
*通过这两个特征我们成功识别了假币，但是没过多久，奇怪的事发生了，市面上的假币渐渐都有了上面提的两个特征。不过我们不需要绝望，
假币再怎么“真”都有它各种不同缺陷。我们只要挖掘更多细节，构造不同的特征去帮助我们辨别，比如纸币上的字是否凹凸感非常强，纸币上的头像水印是否有立体感等。在贝贝识别风险的过程中，我们也需要通过一些特征来判定当前的请求是否有风险。我们把那些特征称为用户画像，抽象一点就是风险的量化。这些特征在我们风控系统当中就是通常我们说的风控变量。按照变量的功能我们给变量分类，那这类变量的集合就称为风控管控模型。*
来一些变量的例子：
- 支付账号最近一个月使用的用户数
- 用户最近24小时登入密码错误次数
- 设备最近24小时使用的新客券数量
- IM用户最近5分钟对话的用户次数
- 手机号的阿里蚁盾评分（阿里提供的，分数越高，手机号越不可信）
有了风控变量体系之后，就可以对贝贝关键业务上进行风险控制，每来一次请求，只要和这个请求的那些变量值不符文我们的预期，那么这些请求我们就可以进行拦截。可以想象,如果变量多而全面，就像一张网，天网恢恢疏而不漏。现在问题来了，这么多的变量如何产生？
1. 创建一个变量，需要有原始数据，庞大的变量体系需要大数据，在我们这称为事件中心。待会介绍。
2. 有了数据之后，需要对有变量定义。我们不是凭空拍拍脑袋定义一个变量。变量的定义来自对攻击者的攻击模式的理解，以及已发生风险事件的数据分析。
3. 变量的值是通过风控的变量统一计算框架计算的。
###事件中心的介绍###
***
*当有些用户被风控管控了，他们会进行投诉 ，然后客服反馈到我们这，那我们得给出证据是吧，查日志吧，太麻烦了，在一大坨不规则的数据中grep出需要的数据，好吧，那我们把被管控住的事情统一一个格式存下来。好了，这下能应对用户的投诉，但是有些用户就是不承认自己的设备登入过100个用户id，但是我们又无法直接提供用户登入记录。好吧，那我们把这些数据都存下来吧。这样事件中心出现了，我们结合5W1H和电商特性按照“谁 在 什么时间 什么场景 用 什么环境 做 什么事情”模型组织数据并称这种数据为事件。通过这种定义，我们把所有的业务数据格式统一起来，这使得BI分析、案件追踪,变量计算变得更加方便快速统一。可以发现事件中既含有业务数据也含有和业务无关的数据。为了减少业务事件接入成本，在业务调用我们风控的时候，只传业务相关的数据，环境数据我们通过traceId间接获取。*
事件中心主要的功能：
a. 事件采集，转化
b. 事件存储
c. 事件查询
###规则平台###
***
规则平台主要由风控引擎，规则管理系统，服务中心组成。
*风控引擎的功能是执行风控策略，风控策略是我们发现风险的依据，风控策略执行完之后会返回一个数值给业务方，这个数值就是表示风险的高低，业务方根据code来对风险进行判断，走不同的流程分支。通常我们需要和羊毛党不断的抗衡，他们会不停的调整他们的"撸"手段，那我们也需要经常不断调整我们的策略，所以我们不可能将一些策略规则代码写死在系统中，需要抽取出来，能支持动态调整。*
风控策略的层次:
- 场景 ：对应规则集合，一个场景可以包含若干条规则。
- 规则 ：决策单元，一个规则可以包含多个变量。
- 变量：因子是组成规则的最小逻辑单元。
