2. 风控规则基础

在构建风控系统时，规则是决策的最小逻辑单元。但单条规则几乎无法覆盖真实业务中的复杂风险，因此我们需要一套机制来组织、编排和执行大量规则。本节将围绕规则引擎、规则集、规则依赖、执行顺序以及常见风控场景展开，为后续理解DAG依赖图与循环检测打下基础。

一、规则引擎：从硬编码到可配置决策

规则引擎是一种将业务决策逻辑从代码中抽离出来的组件。它允许业务人员通过配置方式定义“条件—动作”对，由引擎负责解析、匹配和执行。在风控场景中，规则引擎的核心价值在于：快速响应策略变化、降低开发成本、提升决策透明度。

一个典型的风控规则通常包含以下要素：

• 规则标识：唯一ID，用于追踪和引用。
• 条件表达式：如“近1小时同设备登录次数 > 5”。
• 动作：命中后执行的操作，如“拒绝”“人工审核”“打标”。
• 优先级：决定规则在冲突或顺序执行时的先后。
• 依赖声明：该规则需要哪些前置规则的结果作为输入。

规则引擎的常见实现模式包括：

• Rete算法：适合大量规则的条件匹配，通过共享节点减少重复计算。
• 决策表：以表格形式表达多条件组合，直观但灵活性有限。
• 脚本引擎：如Groovy、Aviator，允许动态编写复杂逻辑。
• DAG编排引擎：将规则视为节点，依赖视为边，按拓扑顺序执行。

二、规则集：分组管理与批量执行

规则集是一组规则的集合，通常按业务维度划分，例如“登录风控规则集”“支付风控规则集”“营销反作弊规则集”。规则集的作用在于：

• 隔离：不同业务线的规则互不干扰。
• 复用：通用规则可被多个规则集引用。
• 批量执行：引擎可对规则集整体调度，决定串行或并行。
• 版本管理：规则集可整体发布、回滚，降低变更风险。

规则集内部通常有两种执行模式：

三、规则依赖与执行顺序：DAG的雏形

当规则之间存在“前置规则的结果影响后置规则是否执行或如何执行”的关系时，就产生了规则依赖。例如：

• 规则B需要规则A输出的“设备风险分”作为输入。
• 规则C仅在规则A命中“高风险”时才执行。
• 规则D需要规则B和规则C的结果共同判断。

这些依赖关系天然构成一个有向图。如果依赖关系设计得当，该图是一个有向无环图（DAG），可以按拓扑排序确定执行顺序。反之，如果出现循环依赖，引擎将无法确定执行起点，导致死锁或无限递归。

下面是一个简化的规则依赖配置示例：

{
  "ruleSet": "login_risk",
  "rules": [
    {
      "id": "R1",
      "name": "设备异常检测",
      "dependsOn": [],
      "action": "output:deviceRiskScore"
    },
    {
      "id": "R2",
      "name": "IP信誉检测",
      "dependsOn": [],
      "action": "output:ipRiskScore"
    },
    {
      "id": "R3",
      "name": "综合风险评分",
      "dependsOn": ["R1", "R2"],
      "action": "output:totalRiskScore"
    },
    {
      "id": "R4",
      "name": "高风险拒绝",
      "dependsOn": ["R3"],
      "condition": "totalRiskScore > 80",
      "action": "reject"
    }
  ]
}

对应的执行顺序为：R1、R2 可并行执行，完成后执行R3，最后执行R4。若错误地让R1依赖R4，则形成循环，引擎必须检测并拒绝加载。

四、常见风控场景与规则编排实例

不同风控场景对规则依赖和执行顺序的要求差异很大。以下是几个典型场景：

• 登录风控：先做设备指纹、IP信誉等无依赖规则，再综合评分，最后决定放行、挑战或拒绝。
• 支付风控：依赖用户历史行为、商户风险、实时交易特征，规则间依赖复杂，通常需要DAG编排。
• 营销反作弊：规则数量多但依赖较浅，适合并行执行后汇总。
• 内容安全：先做敏感词、图片识别等独立检测，再根据结果决定是否人工复审。

以支付风控为例，一个简化的依赖关系如下：

用户历史风险分 ──┐
                  ├──> 综合风险分 ──> 决策规则
商户风险分 ──────┤
                  │
实时交易特征 ────┘

在这个例子中，三个前置规则互不依赖，可以并行执行；综合风险分依赖三者结果；决策规则依赖综合风险分。整个图无环，可拓扑排序。

五、误区与复盘

在实际工程中，规则依赖与执行顺序常出现以下误区：

1. 隐式依赖：规则B实际上使用了规则A的输出，但配置中未声明依赖，导致执行顺序随机，结果不稳定。
2. 过度串行：将所有规则串行执行，虽然顺序确定，但延迟高，吞吐低。
3. 循环依赖未检测：依赖关系由多人维护，缺乏统一校验，上线后才发现死循环。
4. 优先级与依赖冲突：高优先级规则依赖低优先级规则，但短路执行导致低优先级规则未执行，依赖落空。
5. 规则集粒度过粗：所有规则放在一个集合中，依赖关系混乱，难以维护。