3. 数据源梳理：内部交易数据、用户行为数据、外部征信数据、黑名单库、设备指纹数据

交易风控模型的构建，其根基在于高质量、多维度的数据源。单一维度的数据（如仅依赖交易金额）极易产生误杀或漏报。一个成熟的风控体系需要融合内部与外部、静态与动态、个体与关联等多层次信息。本章将系统梳理五大核心数据源，并解析其各自在风控特征工程中的定位与价值。

3.1 五大核心数据源全景

下表从数据性质、更新频率、核心用途三个维度，对五大数据源进行横向对比，帮助建立全局认知。

3.2 内部交易数据：风控的基石

内部交易数据是金融机构最核心、最可靠的数据资产。它记录了用户与资金流动的直接交互，是识别欺诈交易最直接的证据。

• 核心字段：交易流水号、用户ID、交易金额、交易时间、交易类型（消费/转账/提现）、收付款方账号、交易渠道（APP/Web/线下POS）、商户编号、交易IP、地理位置。
• 特征构建方向：
  • 统计类：过去1小时/24小时/7天内的交易总金额、交易笔数、平均金额、金额标准差。
  • 比率类：单笔金额/过去24小时平均金额、提现次数/总交易次数。
  • 时序类：距离上一次交易的时间间隔、交易时间是否在凌晨（0:00-5:00）。
  • 首笔交易：该用户是否首次向该收款方转账、是否首次使用该渠道。

3.3 用户行为数据：捕捉“人”的异常

用户行为数据反映了用户在登录、浏览、操作过程中的习惯模式。欺诈分子即使获取了用户的账号密码，其操作行为也很难完全模仿真实用户。

• 核心字段：登录时间、登录IP、登录设备型号、操作系统版本、浏览器UA、页面停留时长、点击路径、输入速度、是否使用复制粘贴、是否开启VPN。
• 特征构建方向：
  • 登录异常：登录IP是否与常用IP归属地一致、登录设备是否为常用设备、登录频次是否突增。
  • 操作习惯：输入密码速度（正常用户通常有停顿，机器人输入极快或极均匀）、是否跳过帮助页面直接进入交易环节。
  • 环境异常：是否使用模拟器、是否开启开发者模式、是否检测到Root/越狱。

3.4 外部征信数据与黑名单库：引入外部权威视角

外部数据能有效弥补内部数据的盲区，特别是在识别“新用户”或“跨平台欺诈”时至关重要。

3.4.1 外部征信数据

• 数据来源：央行征信、百行征信、朴道征信、同盾、百融等。
• 核心字段：征信报告中的信贷记录、逾期记录、查询次数、多头借贷数、关联担保数。
• 特征构建方向：
  • 多头借贷：近3个月征信查询次数、当前在贷平台数。
  • 信用历史：最长逾期天数、历史逾期次数、信用卡使用率。
  • 身份核验：姓名+身份证号+手机号是否三要素一致。

3.4.2 黑名单库

• 数据来源：内部历史欺诈案件积累、行业共享黑名单、监管机构发布的涉案名单。
• 核心字段：黑名单类型（身份证/手机号/设备/银行卡）、入库时间、关联案件编号、风险等级。
• 特征构建方向：
  • 直接命中：当前交易的用户身份证/手机号/设备是否在黑名单中。
  • 关联命中：当前交易使用的IP是否关联过其他黑名单设备。
  • 时效性：黑名单入库时间距今是否超过90天（长期未更新的黑名单可能已失效）。

3.5 设备指纹数据：识别“机器”与“团伙”

设备指纹技术通过采集设备的软硬件信息，生成唯一的设备标识。它是识别模拟器、设备农场、团伙欺诈的核心手段。

• 核心字段：设备ID（通过算法生成）、设备型号、操作系统、屏幕分辨率、IMEI/MEID、MAC地址、蓝牙地址、传感器列表、已安装应用列表、时区、语言。
• 特征构建方向：
  • 设备唯一性：同一设备ID是否关联了多个用户ID（设备共享，团伙特征）。
  • 设备真实性：是否缺少关键传感器（如陀螺仪、光线传感器，模拟器常缺失）、屏幕分辨率是否为常见模拟器分辨率（如720x1280）。
  • 设备关联：当前设备是否与已知黑名单设备使用过相同的IP或WiFi BSSID。

3.6 数据源融合架构

下图展示了在交易风控系统中，五大类数据源如何通过实时计算引擎与离线批处理引擎进行融合，最终生成用于模型训练和实时决策的特征。

3.7 数据源接入的常见问题与避坑