2. 交易数据源解析：常见交易数据字段及其业务含义

交易风控的本质是从海量、异构的交易数据中提取出能够区分“正常”与“欺诈”行为的信号。要构建有效的特征，首先必须深刻理解每一类数据源背后的业务含义。本章将系统解析交易链路中六大核心数据源：订单、用户、商户、设备、IP 和 地理位置，并阐明每个字段在风控场景下的潜在价值。

2.1 交易数据全景图

一次完整的线上交易，会串联起多个系统，留下多维度的数据足迹。下图展示了交易事件发生时，各数据源之间的关联关系与数据流向。

2.2 订单数据字段解析

订单数据是交易的核心载体，记录了交易本身的属性。风控系统首先关注的便是订单层面的异常信号。

2.3 用户数据字段解析

用户数据刻画了交易主体的身份与行为画像。欺诈分子通常会使用虚假或盗用的身份信息。

2.4 商户数据字段解析

商户数据在 B2C 或平台型交易中至关重要。商户本身可能被黑产控制，或存在恶意经营行为。

2.5 设备数据字段解析

设备指纹是识别欺诈团伙和模拟器攻击的核心手段。设备数据通常由 SDK 采集，具有高维度、高噪声的特点。

2.6 IP 数据字段解析

IP 地址是连接用户网络身份与物理位置的关键桥梁。IP 数据具有动态性，需要结合外部情报进行解析。

2.7 地理位置数据字段解析

地理位置数据（GPS、基站定位、WiFi 定位）提供了用户物理位置的精确信息，是识别位置欺诈和物流欺诈的关键。

2.8 数据源交叉验证：发现异常模式

单一数据源的特征往往容易被绕过，而多数据源交叉验证是提升风控鲁棒性的关键。下图展示了如何通过字段间的逻辑一致性来识别欺诈行为。

2.9 实战：字段解析与初步特征构建

下面通过一个简化的 Python 代码示例，展示如何对原始交易数据进行字段解析，并构建几个基础的风控特征。

import pandas as pd
import numpy as np

# 模拟原始交易数据
data = {
    'order_id': ['ORD001', 'ORD002', 'ORD003'],
    'amount': [150.00, 9999.99, 35.50],
    'user_id': ['U1001', 'U1002', 'U1001'],
    'register_days': [365, 1, 365],  # 注册天数
    'device_id': ['DEV_A', 'DEV_B', 'DEV_A'],
    'ip_country': ['CN', 'US', 'CN'],
    'gps_country': ['CN', 'CN', 'CN'],
    'is_proxy': [0, 1, 0]
}

df = pd.DataFrame(data)

# 特征工程：字段解析与衍生
# 1. 金额异常度：与用户历史均值比较（此处简化，使用全局均值）
global_mean_amount = df['amount'].mean()
df['amount_z_score'] = (df['amount'] - global_mean_amount) / df['amount'].std()

# 2. 账号年龄特征：注册天数取对数
df['log_register_days'] = np.log1p(df['register_days'])

# 3. 设备关联账号数（示例中手动计算）
device_user_count = df.groupby('device_id')['user_id'].nunique().to_dict()
df['device_user_count'] = df['device_id'].map(device_user_count)

# 4. 交叉验证特征：IP 国家与 GPS 国家是否一致
df['ip_gps_match'] = (df['ip_country'] == df['gps_country']).astype(int)

# 5. 代理 IP 标记
df['is_high_risk_ip'] = df['is_proxy']

print("衍生特征预览：")
print(df[['order_id', 'amount_z_score', 'log_register_days',
          'device_user_count', 'ip_gps_match', 'is_high_risk_ip']])