1. 风控规则引擎概述
1.1 规则引擎的定义
规则引擎（Rule Engine）是一种将业务决策逻辑从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策的组件。在风控领域，规则引擎接受事件（如交易、登录、注册）作为输入，根据配置的规则集进行逻辑判断，输出决策结果（通过、拒绝、人工审核）。
核心特征： 规则与代码分离、动态配置、实时决策、可审计。
1.2 在风控体系中的位置
风控体系通常分为数据层、策略层、决策层与执行层。规则引擎位于策略层与决策层的核心位置，连接上游特征数据与下游处置动作。
关键认知： 规则引擎不是孤立系统，它向上承接特征工程，向下驱动执行动作，是风控策略的“大脑中枢”。
1.3 核心价值
| 价值维度 | 说明 | 业务收益 |
|---|---|---|
| 决策自动化 | 毫秒级完成规则匹配与决策输出 | 人工审核量降低 60%~80% |
| 策略动态化 | 无需发版即可调整规则参数与逻辑 | 响应黑产变化速度提升 10 倍 |
| 逻辑标准化 | 统一决策逻辑表达，消除代码硬编码 | 策略维护成本降低 50% 以上 |
| 可审计性 | 每条决策链路可追溯、可回放 | 满足合规审计与监管要求 |
| 多场景复用 | 同一规则集可应用于不同业务线 | 策略资产沉淀，跨业务共享 |
1.4 典型应用场景
规则引擎在风控体系中覆盖了从用户准入到交易监控的全生命周期，以下为最常见的六大场景：
- 注册风控： 检测虚假注册、批量注册、机器注册，常用规则包括设备关联度、IP 风险分、手机号虚拟运营商检测。
- 登录风控： 识别撞库、暴力破解、异常地理位置登录，结合行为特征与设备指纹进行实时判定。
- 交易风控： 拦截盗刷、洗钱、套现、欺诈交易，基于金额、频次、对手方、时间窗口等维度组合规则。
- 信贷风控： 评估借款人还款能力与意愿，规则引擎执行多头借贷检测、收入负债比校验、黑名单过滤。
- 内容风控： 过滤违规文本、图片、视频，规则引擎配合敏感词库与模型打分进行内容合规判定。
- 活动风控： 防止薅羊毛、刷单、虚假裂变，通过规则引擎限制同一用户/设备/IP 的参与次数与金额。
常见误区： 规则引擎不是万能的。它依赖高质量特征输入，且无法自动发现未知攻击模式。规则引擎应与机器学习模型、人工审核形成互补，而非替代。
1.5 规则引擎的典型工作流程
一次完整的规则引擎决策过程包含以下步骤：
| 步骤 | 环节 | 说明 |
|---|---|---|
| 1 | 事件接入 | 接收业务系统发送的实时事件（交易、登录等） |
| 2 | 特征提取 | 从事件中提取规则所需的变量（金额、IP、设备ID等） |
| 3 | 规则匹配 | 按优先级依次执行规则，进行条件判断 |
| 4 | 聚合决策 | 综合多条规则的命中结果，输出最终决策 |
| 5 | 处置执行 | 调用下游系统执行拦截、放行、人工审核等动作 |
| 6 | 日志回写 | 记录决策日志，用于事后分析与策略调优 |
// 规则引擎核心决策伪代码示例
function evaluate(event):
features = extractFeatures(event)
for rule in sorted(rules, by=priority):
if rule.matches(features):
action = rule.getAction()
logDecision(event, rule, action)
return action
return defaultAction() // 默认放行