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
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 |
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
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。