2、回放数据准备：数据源选择与脱敏合规

回放数据的质量直接决定对比分析的置信度。数据源的选择需平衡“真实度”与“合规性”，脱敏处理则必须在保留业务特征的前提下彻底消除敏感信息。本节从数据源类型、适用场景、脱敏方法与合规红线三个维度展开。

2.1 数据源类型与选择策略

金融风控回放通常依赖三类数据源，其特性与适用场景对比如下：

2.2 数据源选择流程

选择数据源时，建议按以下步骤决策：

1. 明确回放目标：是验证策略效果、对比模型版本，还是满足监管审计？
2. 评估数据可用性：检查数据源是否包含请求ID、时间戳、特征向量、决策结果、标签（如有）。
3. 确认时间窗口：生产流量取最近1小时；历史日志取最近7~30天；离线数据集按项目需求固定。
4. 校验数据一致性：确保新旧系统对同一请求的特征提取逻辑一致，避免特征偏移。
5. 执行脱敏检查：在数据进入回放管道前，完成脱敏与合规审查。

2.3 数据脱敏方法与合规要求

金融数据脱敏必须遵循《个人信息保护法》《数据安全法》及银保监会相关指引。核心原则是：不可逆、不可关联、保留分布特征。

2.3.1 常见脱敏技术

2.3.2 脱敏处理流程示例

以下是一个典型的生产流量脱敏管道伪代码：

def desensitize_record(record: dict) -> dict:
    # 1. 掩码身份证：保留前6位+后4位，中间用*填充
    record['id_card'] = mask_id_card(record['id_card'])

    # 2. 泛化年龄：精确年龄 → 年龄段（20-25, 26-30, ...）
    record['age_group'] = generalize_age(record['age'])

    # 3. 令牌化用户ID：使用HMAC-SHA256映射为不可逆token
    record['user_token'] = tokenize(record['user_id'], salt='risk_replay_2025')

    # 4. 删除敏感字段：删除原始手机号、地址
    del record['phone']
    del record['address']

    # 5. 保留特征向量与决策标签（用于模型对比）
    return {
        'request_id': record['request_id'],
        'timestamp': record['timestamp'],
        'features': record['features'],
        'decision': record['decision'],
        'label': record.get('label'),
        'user_token': record['user_token'],
        'age_group': record['age_group'],
        'id_card_masked': record['id_card']
    }

2.4 数据源与脱敏的架构关系

下图展示了三种数据源在回放系统中的脱敏与合规处理路径：