3. 阈值概念与分类：静态阈值 vs 动态阈值、硬阈值 vs 软阈值、阈值在风控链路中的位置
在欺诈图谱的自动巡检体系中，阈值是判定“正常”与“异常”的分界线。一个错误的阈值可能导致大量误报（False Positive）或漏报（False Negative），直接影响风控效果。本章从分类、对比和链路位置三个维度，系统梳理阈值的核心概念。
3.1 阈值的基本定义与数学表达
阈值（Threshold）是一个数值边界，用于将连续的风险评分或特征值映射为离散的决策结果。在风控场景中，通常表示为：
if risk_score >= threshold:
decision = "拒绝" # 或 "人工审核"
else:
decision = "放行"
阈值的选择决定了模型的精确率（Precision）与召回率（Recall）之间的平衡。阈值越高，拒绝条件越严格，误报减少但漏报增加；阈值越低，放行条件越宽松，漏报减少但误报增加。
3.2 静态阈值 vs 动态阈值
根据阈值是否随时间或数据分布变化，可分为静态阈值与动态阈值。
| 对比维度 | 静态阈值 | 动态阈值 |
|---|---|---|
| 定义 | 固定不变的数值，由专家经验或历史数据一次性确定 | 根据实时数据分布、时间窗口或业务场景自动调整 |
| 优点 | 简单、可解释性强、计算开销低 | 适应数据漂移、鲁棒性强、能捕捉突发风险 |
| 缺点 | 无法适应数据分布变化，易产生大量误报或漏报 | 实现复杂、需要实时计算、可能引入抖动 |
| 适用场景 | 规则稳定、数据分布长期不变的场景（如黑名单匹配） | 欺诈模式快速演变、流量波动的场景（如实时交易风控） |
| 更新频率 | 月/季度级人工调整 | 分钟/小时级自动更新 |
实践建议：在欺诈图谱巡检初期，建议先使用静态阈值建立基线；当系统运行稳定后，逐步引入动态阈值策略，以应对黑产团伙的对抗性攻击。
3.3 硬阈值 vs 软阈值
根据决策结果的确定性，阈值又可分为硬阈值与软阈值。
- 硬阈值（Hard Threshold）：决策结果非黑即白，评分超过阈值即拒绝，否则放行。适用于自动化决策场景，如支付拦截、账号封禁。
- 软阈值（Soft Threshold）：在阈值附近设置一个“模糊区间”，评分落在该区间内时触发人工审核或二次验证。适用于需要降低误伤率的场景，如新用户注册、大额交易。
| 对比维度 | 硬阈值 | 软阈值 |
|---|---|---|
| 决策边界 | 单一数值 | 区间 [Tlow, Thigh] |
| 输出结果 | 通过 / 拒绝 | 通过 / 人工审核 / 拒绝 |
| 误报率 | 较高（边界附近误伤多） | 较低（边界附近有缓冲） |
| 系统复杂度 | 低 | 中（需额外审核队列） |
典型组合：“静态 + 硬阈值”适合黑名单拦截；“动态 + 软阈值”适合团伙欺诈识别，既能适应变化，又能保留人工复核空间。
3.4 阈值在风控链路中的位置
阈值并非孤立存在，而是嵌入在风控决策链路的多个环节中。以下 SVG 图展示了阈值在典型风控链路中的位置与作用。
从链路图中可以看出，阈值判定位于风险评分之后、决策输出之前，是整个风控系统的“开关”。阈值设置的好坏，直接决定了后续放行、人工审核、拒绝三个分支的流量分配比例。
3.5 阈值在欺诈图谱中的特殊位置
在欺诈图谱场景中，阈值不仅作用于单点风险评分，还作用于团伙关联强度和子图异常度。以下 SVG 图展示了图谱特有的阈值应用点。
常见误区：在欺诈图谱中，仅设置节点风险阈值而忽略边权重阈值，会导致大量弱关联被误判为团伙，产生“假团伙”噪声。建议三个层级的阈值联动调优。
3.6 阈值选择的实践原则
- 业务对齐原则：阈值应反映业务容忍度。例如，支付场景的误报容忍度低，阈值应偏保守；注册场景的漏报容忍度低，阈值应偏宽松。
- 数据驱动原则：基于历史数据的分布（如百分位数、标准差）确定初始阈值，而非仅凭经验拍脑袋。
- 可观测原则：每个阈值都应有对应的监控指标（如通过率、拒绝率、人工审核率），便于巡检时发现异常。
- 渐进调整原则：阈值调整应小步快跑，每次调整幅度不超过 5%，并观察至少一个完整业务周期。
巡检切入点：在自动巡检脚本中，建议将阈值作为可配置参数，与风险评分分布图、通过率趋势图一同输出，方便快速定位阈值漂移问题。