4. 分流机制设计：用户ID哈希分流、分层分流、流量切分策略、避免样本污染

在反欺诈A/B测试中，分流机制是决定实验可信度的核心工程环节。分流不当会导致实验组与对照组在用户特征、时间窗口或业务规则上产生系统性偏差，即“样本污染”。本章将系统讲解四种主流分流策略的原理、适用场景与避坑要点。

4.1 用户ID哈希分流

用户ID哈希分流是最基础且最常用的分流方式。其核心思想是对用户唯一标识（如user_id、device_id）进行哈希运算，将哈希值映射到实验组与对照组。

4.1.1 实现步骤

1. 选择哈希函数：推荐使用MurmurHash3或MD5（取前64位），避免使用Java默认的hashCode()，因其在不同JVM版本中可能不一致。
2. 确定分桶数：通常将哈希空间划分为100或1000个桶，根据实验流量比例分配桶区间。
3. 映射分组：例如实验组占10%，则取哈希值模100后落在[0,9]区间的用户进入实验组，[10,99]进入对照组。

// Python示例：用户ID哈希分流
import hashlib

def assign_group(user_id: str, experiment_name: str, total_buckets: int = 100) -> str:
    # 将实验名称与用户ID拼接，避免跨实验干扰
    raw = f"{experiment_name}:{user_id}"
    hash_val = int(hashlib.md5(raw.encode()).hexdigest()[:8], 16)
    bucket = hash_val % total_buckets
    if bucket < 10:  # 10%实验组
        return "treatment"
    else:
        return "control"

4.1.2 注意事项

• 盐值（Salt）加入：必须将实验名称或ID作为盐值拼入哈希输入，否则不同实验的分流结果会高度相关，导致“实验间污染”。
• 用户ID稳定性：若用户未登录时使用设备ID，登录后切换为user_id，需建立统一映射规则，避免同一用户在不同状态下被分入不同组。

4.2 分层分流

当多个实验同时运行时，分层分流（Layered Bucketing）允许同一用户参与多个正交的实验，大幅提升流量利用率。其核心是建立“层（Layer）”的概念，每层独立进行哈希分流，且层间通过正交哈希算法保证独立性。

4.3 流量切分策略

流量切分不仅涉及比例分配，还需考虑时间维度、地域维度、用户维度的切分粒度。以下是三种常见策略的对比：

4.4 避免样本污染

样本污染是反欺诈A/B测试中最隐蔽也最致命的错误。以下列出三种典型污染场景及解决方案：

• 跨实验污染：同一用户同时参与多个相关实验，策略叠加导致无法归因。→ 使用分层分流+正交哈希，或建立实验互斥组。
• 用户状态变化污染：用户在实验期间从“新用户”变为“老用户”，或从“未认证”变为“已认证”，导致分组属性漂移。→ 使用“进入实验时的快照属性”作为分组依据，不随用户状态更新而改变分组。
• 数据回溯污染：实验开始后，将历史数据混入实验组或对照组。→ 严格限定实验开始时间戳，只分析实验开始后的新事件。

4.5 分流机制选型建议

根据反欺诈实验的不同阶段与规模，推荐以下选型路径：

• 初创期（实验数量 < 5）：用户ID哈希分流 + 手动互斥组管理，简单可靠。
• 成长期（实验数量 5~20）：引入分层分流，按“策略层”“模型层”“UI层”划分，每层独立哈希。
• 成熟期（实验数量 > 20）：建立实验平台，支持自动正交哈希、流量动态调整、污染实时监控。