1. 课程导论：实时风控背景、人群切片概念、Kafka在风控中的核心价值、课程目标与前置知识
1.1 实时风控背景：为什么需要毫秒级决策？
在数字支付、电商秒杀、信贷审批等场景中，欺诈行为已从“事后分析”转向“实时对抗”。传统T+1批处理风控无法拦截瞬时高频的盗刷、薅羊毛、洗钱等攻击。行业对风控系统的要求已提升至“事件发生 → 特征计算 → 规则/模型判定 → 决策输出”全链路在100ms以内完成。
关键驱动力：
- 交易量爆炸：头部支付平台日均交易笔数超10亿，峰值TPS达百万级。
- 攻击手段进化：黑产使用设备农场、IP池、AI伪造身份，攻击窗口缩短至秒级。
- 监管合规：反洗钱（AML）、反欺诈法规要求实时拦截与上报。
1.2 人群切片概念：从“一刀切”到“精细化风控”
传统风控对所有用户使用同一套规则，导致误杀率高（正常用户被拦截）或漏杀率高（高风险用户未被识别）。人群切片（User Segmentation / Cohort Slicing）是将用户按风险特征、行为模式、设备指纹、交易属性等维度动态分组，为不同切片配置差异化的风控策略。
| 维度 | 切片示例 | 风控策略差异 |
|---|---|---|
| 用户等级 | 新用户 / 高净值 / 已流失 | 新用户严格验证，高净值用户快速放行 |
| 设备环境 | 模拟器 / 越狱 / 常用设备 | 模拟器直接拒绝，常用设备降低校验强度 |
| 交易模式 | 大额转账 / 高频小额 / 跨境 | 大额触发二次验证，高频小额触发限频 |
| 地理位置 | 常驻地 / 异地 / 高风险地区 | 异地登录需短信验证，高风险地区直接拦截 |
人群切片的核心挑战在于：切片规则需要实时计算、动态更新（例如用户刚完成一笔大额转账，其切片标签应立即从“普通”变为“大额交易敏感”），这要求底层数据管道具备高吞吐、低延迟、可持久化的能力。
1.3 Kafka在风控中的核心价值
Apache Kafka 作为分布式事件流平台，在实时风控架构中扮演“中枢神经”角色。其核心价值体现在以下四个维度：
- 高吞吐解耦：风控系统通常由事件采集、特征计算、规则引擎、决策存储等多个模块组成。Kafka 作为消息缓冲区，允许各模块独立扩缩容，避免上游突发流量压垮下游。
- 毫秒级延迟：Kafka 端到端延迟可控制在 10ms 以内，满足实时风控对低延迟的苛刻要求。
- 事件回溯与重放：风控策略需要基于历史事件进行回测（Backtesting）。Kafka 的消息持久化机制支持按时间戳或偏移量精确重放事件流，便于策略迭代。
- 多消费者订阅：同一笔交易事件可同时被规则引擎、机器学习模型、离线数仓、审计系统消费，实现“一次采集，多处复用”。
架构启示：在实时风控中，Kafka 通常与 Flink/Spark Streaming 配合使用：Kafka 负责事件缓冲与分发，Flink 负责窗口聚合与复杂事件处理（CEP），两者结合形成“流式风控计算引擎”。
1.4 课程目标与前置知识
课程目标
通过本课程，你将掌握以下核心能力：
- 架构设计能力：独立设计基于 Kafka 的实时交易风控人群切片系统，包括 Topic 规划、分区策略、消费者组管理。
- 实时计算能力：使用 Kafka Streams / Flink 实现滑动窗口内的人群切片聚合与动态标签更新。
- 生产级部署能力：掌握 Kafka 集群调优、数据一致性保障、监控告警与故障恢复。
- 实战落地能力：完成一个完整的“交易风控人群切片”项目，覆盖数据采集、切片计算、规则触发、决策反馈全链路。
前置知识要求
| 领域 | 具体要求 | 推荐学习资源 |
|---|---|---|
| Java / Scala | 熟悉基本语法、多线程、集合框架 | 《Java核心技术》第1-6章 |
| Kafka 基础 | 理解 Topic、Partition、Consumer Group 概念 | Kafka 官方文档 Quickstart |
| 流式计算基础 | 了解事件时间、处理时间、窗口概念 | Flink 官方文档 “Concepts” 章节 |
| 风控基础知识 | 了解规则引擎、黑白名单、评分卡 | 《风控算法实战》第1-3章 |
重要提示：本课程不从头讲解 Kafka 安装与基础 API 使用，建议在开课前完成 Kafka 单机/集群搭建，并运行过生产-消费示例。如果你对 Kafka 完全陌生，请先学习官方 Quickstart 或相关入门课程。