一、风控概述：什么是实时风控？为什么需要实时风控？

大家好，我是你们这堂课的老朋友。今天咱们聊聊实时风控。说实话，这个领域我摸爬滚打了快十年，踩过的坑比写过的代码还多。嗯，咱们先从最基础的问题开始。

1.1 什么是实时风控？

实时风控，说白了就是——在业务发生的瞬间，判断这笔操作是不是有风险。

你想想看，用户点一下「支付」按钮，到银行扣款成功，中间可能就几百毫秒。在这几百毫秒里，系统要完成：

• 收集用户设备指纹、IP、GPS
• 查询历史行为画像
• 跑几十条规则模型
• 输出「放行」「拒绝」「人工审核」

我刚开始做风控时，觉得这跟离线跑批差不多。后来发现完全不是一回事。离线你可以跑半小时，实时你只有几百毫秒。这就是本质区别。

1.2 为什么需要实时风控？

这个问题我问过很多刚入行的朋友。答案五花八门，但核心就一个——钱跑得比你快。

举个例子。我在2018年做过一个支付项目。有个团伙用盗来的卡，在凌晨3点批量下单买虚拟商品。如果我们是离线风控，等第二天跑完报表，钱早就被洗走了。实时风控能在第一笔交易时就拦截，直接止损。

具体来说，实时风控解决三个痛点：

1. 资金安全——欺诈交易一旦成功，资金几乎不可追回
2. 用户体验——你总不能让用户等10秒才出结果吧？
3. 合规要求——监管要求对可疑交易实时监控，不是事后补报表

1.3 实时风控的典型应用场景

咱们挑三个最常见的场景聊聊。每个场景我都亲手做过，有些教训至今记忆犹新。

场景一：支付风控

支付是实时风控的主战场。你想想，每一笔支付都在跟时间赛跑。

风险类型	实时检测点	典型规则
盗卡支付	交易发生时	设备指纹+IP+卡BIN交叉验证
套现	交易发生时	同一商户短时间内多笔大额
洗钱	交易发生时	资金流向异常图谱检测

我记得有个电商大促，支付峰值冲到5万TPS。实时风控系统扛住了，但有个规则写死了——「同一IP下单超过3次就拦截」。结果很多公司员工在同一个WiFi下抢购，全被误杀了。嗯，这就是典型的规则没考虑业务场景。

场景二：信贷风控

信贷风控跟支付不太一样。支付是「即时止损」，信贷是「提前预防」。

实时风控在信贷里主要做两件事：

• 申请反欺诈——用户提交申请时，实时判断是不是团伙欺诈、资料造假
• 交易监控——放款后，监控资金流向，防止被用于非法用途

我做过一个现金贷项目。有个用户提交申请，设备指纹显示是模拟器，IP来自境外，但填的地址是本地。实时风控直接拒绝。后来查实，这是个批量注册的欺诈团伙。如果等人工审核，黄花菜都凉了。

场景三：交易风控

交易风控主要针对证券、期货、数字货币这类场景。特点是——高频、高敏感、高杠杆。

实时风控在这里要检测：

• 市场操纵（比如拉抬打压）
• 异常交易（比如自买自卖）
• 资金异常（比如大额转出）

我曾经帮一个交易所做风控。有个账户在1秒内下了100笔买单，每笔只买1手。表面看没问题，但实际是在制造虚假流动性。实时风控通过「订单频率+撤单率」的组合规则，直接把这个账户标记为可疑。

1.4 实时风控的技术挑战

聊完场景，咱们说说技术上的难点。我总结了三座大山：

1. 延迟——数据从产生到决策，必须控制在毫秒级
2. 吞吐——高峰期每秒几万笔交易，系统不能挂
3. 准确性——误杀率要低，漏杀率也要低，这是个平衡艺术

你想想看，这三者其实是互相矛盾的。要低延迟，就得牺牲一些复杂计算；要高吞吐，就得做分布式；要准确，就得加更多规则。怎么平衡？嗯，这就是咱们这门课要讲的核心。

1.5 实时风控的数据流架构概览

下面这张图是我自己画的，展示了实时风控的核心数据流。你看一眼就能明白整体脉络。

这张图展示了实时风控的五个核心环节：数据源 → 数据采集 → 实时计算 → 决策引擎 → 输出结果。注意最下面的反馈闭环，这是很多新手容易忽略的。规则和模型不是一成不变的，需要根据结果不断调优。

好了，第一章就聊到这儿。实时风控的核心就是「快」和「准」的平衡。后面的章节，咱们会深入每个技术细节，从数据采集到决策引擎，一步步拆解。

---