支付风控策略分群：从0到1实操指南 - 第2节

2.1 交易链路：一笔支付背后的风控战场

每一笔支付从发起、传输、验证到最终完成，会经过多个系统节点。风控策略的部署位置，就隐藏在这些节点之间。理解交易链路，是设计策略分群的第一步。

2.1.1 标准交易链路全景

以最常见的线上支付为例，一笔交易通常经过以下核心环节：

1. 用户发起：用户在商户端（App/网页）点击“支付”，提交订单信息。
2. 商户系统：商户将订单信息（金额、商品、用户ID）打包，发送给支付网关。
3. 支付网关：接收交易请求，进行初步格式校验，并路由至对应的支付渠道（如微信、支付宝、银联）。
4. 风控引擎：在交易进入核心处理前，风控系统介入，对交易进行实时评分与决策。
5. 支付渠道：通过风控的交易，被发送至银行或第三方支付机构进行扣款。
6. 结果返回：渠道返回成功/失败状态，经网关、商户，最终展示给用户。

2.2 风险类型：欺诈、盗刷、洗钱、套现

支付风控面对的风险并非铁板一块。不同风险类型在行为模式、数据特征、资金流向和攻击目标上存在本质差异。策略分群的第一步，就是按风险类型进行“标签化”管理。

2.2.1 四大核心风险类型对比

2.2.2 风险类型的策略分群逻辑

策略分群不是简单地把交易打上标签，而是根据风险类型设计差异化的决策路径：

• 欺诈策略：侧重注册环节、设备指纹、社交关系图谱，常用规则+图算法。
• 盗刷策略：侧重登录行为、支付习惯、地理位置校验，常用行为序列模型。
• 洗钱策略：侧重资金流向、交易频次、金额分布，常用网络分析+时间序列。
• 套现策略：侧重商户关系、退款率、交易闭环，常用关联规则+异常检测。

2.3 风控决策引擎简介

决策引擎是风控策略的“大脑”。它接收交易数据，按照预设的规则、模型和策略逻辑，在毫秒级内输出决策结果（通过、拒绝、人工审核）。

2.3.1 决策引擎的核心组件

2.3.2 决策引擎的工作流程

一个典型的决策流程如下：

1. 接收请求：引擎收到交易报文，解析出关键字段。
2. 特征计算：基于原始字段计算衍生特征（如“过去1小时该IP交易次数”）。
3. 规则匹配：按优先级依次匹配黑白名单、阈值规则。
4. 模型评分：若规则未命中，调用模型输出风险分数。
5. 策略决策：根据规则+模型结果，结合策略矩阵，输出最终决策。
6. 结果回传：将决策结果返回给支付网关，并异步写入日志。

2.3.3 决策引擎的常见部署模式

• 本地部署：部署在商户或支付公司内部服务器，延迟低，数据安全可控。
• 云部署：部署在云端，弹性伸缩，适合业务量波动大的场景。
• 混合部署：核心规则本地部署，模型调用云端API，兼顾安全与算力。