2. 支付风控基础:支付链路与风险类型、常见风控策略、风控决策引擎简介

2.1 支付链路全景

支付链路是资金与信息从买家流向卖家的完整路径。理解链路中的每一个节点,是定位风险环节、设计风控策略的前提。

核心链路节点(标准电商支付场景):
  • 用户端:发起支付请求(浏览器/APP)
  • 商户系统:生成订单,调用支付网关
  • 支付网关:路由交易,对接渠道
  • 渠道/收单行:处理授权与清算
  • 发卡行:验证账户,完成扣款
支付链路核心节点与资金流向 用户 商户系统 支付网关 渠道/收单行 发卡行 风控介入点 支付网关是风控决策的核心枢纽,在此处完成实时规则校验、模型打分与名单匹配

2.2 风险类型全景

支付风险按行为主体和攻击目标可分为四大类。识别风险类型是制定差异化策略的基础。

风险类型 典型场景 攻击目标 风控重点
欺诈风险 盗卡支付、账户盗用、虚假交易 用户资金、商户商品 身份核验、行为异常检测
信用风险 拒付、退款滥用、分期逾期 商户/平台资金 信用评分、交易限额
合规风险 洗钱、赌博、跨境违规 监管处罚、牌照吊销 名单筛查、交易监控
操作风险 系统故障、重复支付、参数篡改 系统稳定性、数据一致性 幂等校验、对账机制
实战提示:欺诈风险是支付风控最核心的战场,通常占风控团队 70% 以上的精力。信用风险和合规风险往往由专门的团队负责,但支付风控系统需要为它们提供基础数据支持。

2.3 常见风控策略

风控策略是规则、模型、名单三大核心组件的有机组合。它们协同工作,构成支付风控的“三道防线”。

2.3.1 规则策略

规则是最直接、最快速的风控手段。它基于明确的逻辑条件进行判断,适合处理已知、稳定的风险模式。

  • 单维度规则:“单笔金额 > 5000元” → 拦截
  • 组合规则:“新设备 + 异地登录 + 金额 > 2000元” → 增强验证
  • 频率规则:“同一IP 1小时内交易次数 > 5次” → 限流

2.3.2 模型策略

模型通过机器学习算法对风险进行概率预测,能够捕捉规则难以发现的复杂、隐蔽风险模式。

  • 评分卡模型:基于逻辑回归,输出0-100的风险评分
  • 树模型:XGBoost/LightGBM,处理非线性特征关系
  • 图模型:识别团伙欺诈、设备关联等复杂网络

2.3.3 名单策略

名单是最基础的风控手段,用于快速匹配已知风险实体。

名单类型 内容 更新频率 典型动作
黑名单 欺诈设备、IP、卡号、手机号 实时/每日 直接拦截
白名单 高信誉用户、内部测试账号 按需 放行/免审
灰名单 可疑但未确认的实体 每日 增强验证/人工审核
风控策略三层协同架构 第一层:名单策略(黑/白/灰名单)—— 毫秒级匹配,拦截已知风险 第二层:规则策略(单维度/组合/频率规则)—— 百毫秒级判断,覆盖确定性风险 第三层:模型策略(评分卡/树模型/图模型)—— 秒级预测,识别复杂风险 交易请求依次经过名单→规则→模型,任一阶段命中则触发对应动作

2.4 风控决策引擎简介

风控决策引擎是承载策略运行的核心系统。它将规则、模型、名单等组件编排成可执行的决策流,实现实时、自动化的风险判断。

2.4.1 决策引擎核心组件

组件 功能 性能要求
输入适配器 接收交易请求,解析并标准化字段 高吞吐、低延迟
特征计算模块 实时计算衍生特征(如历史交易频次) 毫秒级计算
策略执行引擎 按优先级顺序执行规则、模型、名单 支持热部署、灰度发布
决策输出模块 输出决策结果(通过/拒绝/人工审核) 结果可解释、可追溯
监控与日志 记录决策日志,监控引擎健康状态 实时告警、离线分析

2.4.2 决策流程示例

1. 接收交易请求(用户ID、设备ID、金额、IP等)
2. 特征计算:查询用户历史交易次数、设备首次出现时间
3. 名单匹配:检查设备ID是否在黑名单中
   → 命中黑名单 → 输出“拒绝”
4. 规则执行:检查“单笔金额 > 10000元”
   → 命中规则 → 输出“人工审核”
5. 模型打分:调用风险评分模型,输出风险分
   → 风险分 > 80 → 输出“拒绝”
   → 风险分 50-80 → 输出“增强验证”
   → 风险分 < 50 → 输出“通过”
6. 记录决策日志,返回结果给支付网关
常见误区:决策引擎不是简单的“if-else”堆砌。优秀的引擎需要支持策略版本管理、A/B测试、降级熔断、异步特征计算等企业级能力。在实验评估阶段,建议先使用轻量级规则引擎(如Drools、EasyRules)快速验证策略效果,再迁移到生产级引擎。

2.4.3 决策引擎架构示意

风控决策引擎架构 交易请求 特征计算 策略执行引擎 决策结果 实时特征/离线特征 规则/模型/名单编排 通过/拒绝/人工审核 监控与日志系统(实时告警 + 离线分析 + 决策回溯)
实验评估要点:在搭建实验环境时,建议先实现“特征计算 + 规则引擎 + 名单”的最小闭环,验证基础链路后再引入模型。这样能快速获得可量化的收益基线,为后续模型优化提供对比基准。