1. 风控基础概念
1.1 什么是风控
风控（Risk Control，风险控制）是指通过一系列策略、模型和规则，识别、评估、监测并缓释业务中潜在损失的过程。在数字业务场景下，风控的核心目标是在保障用户体验的前提下，最大化降低欺诈、信用违约、洗钱、套利等风险带来的经济损失。
风控的本质公式： 风险 = 损失概率 × 损失金额。风控系统通过降低概率或减少金额来压缩期望损失。
一个完整的风控体系通常包含以下四个核心环节：
- 风险识别 — 通过数据采集和特征工程，发现异常行为模式。
- 风险评估 — 利用规则引擎、评分卡、机器学习模型对风险进行量化打分。
- 风险决策 — 根据评估结果执行通过、拒绝、人工审核、增强验证等动作。
- 风险监控 — 对决策效果进行实时/离线监控，持续迭代策略。
1.2 风控在金融/电商/支付中的重要性
不同行业面临的风险形态差异显著，但风控都是业务健康运行的基石。下表对比了三大核心场景的风险类型与风控价值：
| 行业 | 主要风险类型 | 典型损失场景 | 风控核心价值 |
|---|---|---|---|
| 金融 | 信用风险、欺诈风险、合规风险 | 贷款逾期、多头借贷、身份冒用 | 降低坏账率，满足监管合规要求 |
| 电商 | 交易欺诈、账户盗用、恶意退货 | 盗刷下单、虚假交易、刷单套利 | 保护商家和平台资金安全，维护公平生态 |
| 支付 | 盗刷、洗钱、接口攻击、二清风险 | 银行卡盗刷、虚假商户、资金池违规 | 保障支付链路安全，防止资金损失与监管处罚 |
行业数据参考： 据Javelin Strategy统计，全球每年因支付欺诈造成的损失超过300亿美元。一个有效的实时风控系统可以将欺诈损失降低60%-80%。
1.3 实时风控与离线风控的区别
实时风控与离线风控在时效性、计算模式、数据范围、决策场景上存在本质差异。理解两者的区别是设计流式决策链路的前提。
| 对比维度 | 实时风控（Online） | 离线风控（Offline） |
|---|---|---|
| 响应时间 | 毫秒级（通常 < 200ms） | 分钟级 ~ 天级 |
| 数据源 | 当前请求 + 最近窗口数据（如5分钟） | 全量历史数据（T+1 或更长周期） |
| 计算模式 | 流式计算（如 Flink、Spark Streaming） | 批处理（如 Hive、Spark SQL） |
| 模型复杂度 | 轻量级规则 + 浅层模型（LR、XGBoost） | 复杂深度学习模型、集成模型 |
| 典型场景 | 支付拦截、登录保护、交易实时审核 | 信用评分更新、黑名单生成、策略回测 |
| 决策输出 | 通过/拒绝/增强验证 | 风险等级标签、批量处置建议 |
下图展示了实时风控与离线风控在数据流和决策链路上的典型架构对比：
常见误区： 实时风控并非完全替代离线风控。实际生产环境中，两者是互补关系：离线风控负责模型训练、策略回测和批量处置；实时风控负责在线拦截和毫秒级决策。离线产出的模型和规则会定期同步到实时引擎中。
1.4 为什么需要流式决策链路
随着业务规模增长，传统基于数据库轮询或离线批处理的风控方式已无法满足以下需求：
- 低延迟要求： 支付、登录等场景要求 200ms 内完成决策，批处理无法胜任。
- 窗口聚合能力： 需要统计“过去5分钟同一设备登录次数”等滑动窗口指标。
- 事件驱动： 风控策略需要根据实时事件（如异地登录、大额转账）立即触发。
- 状态管理： 需要维护用户、设备、IP 的实时状态（如黑名单、频次计数器）。