1. 风控稳定性巡检概述
1.1 定义与核心目标
风控稳定性巡检是指对风险控制系统（风控引擎、规则集、模型服务、数据管道）进行周期性、自动化、可量化的健康检查，旨在提前发现系统降级、规则失效、数据异常或阈值漂移等隐患，确保风控决策在业务高峰期、版本迭代期和日常运营中保持稳定、准确、低延迟。
| 目标维度 | 具体说明 | 巡检指标示例 |
|---|---|---|
| 可用性 | 风控服务 SLA 达标，无长时间中断或超时 | 接口可用率 ≥ 99.99%，P99 延迟 ≤ 200ms |
| 准确性 | 规则/模型输出与预期一致，无静默失效 | 规则命中率偏差 < 5%，模型 PSI < 0.1 |
| 时效性 | 数据从产生到参与决策的延迟可控 | 特征加工延迟 ≤ 500ms，数据同步延迟 ≤ 1min |
| 一致性 | 多环境、多集群的决策结果无差异 | AB 集群拒绝率差异 < 1%，灰度 vs 全量一致 |
| 可观测性 | 巡检结果可追溯、可告警、可复盘 | 巡检覆盖率 100%，告警收敛率 ≥ 90% |
💡 核心价值： 风控稳定性巡检不是“出了问题再排查”，而是通过常态化体检，将故障发现时间从“用户投诉后”提前到“指标异常时”，将修复成本降低 60% 以上。
1.2 巡检在金融场景中的核心作用
- 交易反欺诈： 实时拦截盗刷、伪冒交易，巡检确保规则引擎在“双十一”“秒杀”等流量洪峰下不降级、不误杀。
- 信贷审批： 贷前评分卡、贷中监控模型需持续稳定，巡检检测模型分数分布漂移（PSI/KL 散度），防止模型失效导致坏账飙升。
- 合规报送： 反洗钱（AML）交易监测规则必须 7×24 小时准确运行，巡检校验规则触发逻辑与监管报送数据的一致性。
- 账户安全： 登录/注册/改密等核心场景的异常检测阈值（如异地登录、设备指纹）需随攻击手法动态校准，巡检提供阈值合理性验证。
1.3 巡检在电商场景中的核心作用
- 营销反作弊： 优惠券、红包、秒杀场景的刷单/黄牛检测，巡检保障风控策略在活动期间不因流量突增而“熔断”或“全放行”。
- 物流/支付风控： 订单篡改、虚假发货、恶意退款等检测规则需与业务系统紧密联动，巡检覆盖数据链路完整性。
- 内容风控： 商品描述、用户评论的敏感词/图片审核模型，巡检检测模型响应延迟和召回率波动。
- 多租户隔离： 电商平台通常服务多个商家/品牌，巡检确保不同租户的风控策略互不干扰，资源隔离有效。
1.4 巡检体系架构总览
下图展示了风控稳定性巡检的完整闭环：从数据采集、指标计算、阈值告警到问题修复与复盘，形成持续改进的巡检飞轮。
1.5 巡检频率与场景对照
| 巡检类型 | 频率 | 适用场景 | 典型检查项 |
|---|---|---|---|
| 实时巡检 | 秒级/分钟级 | 交易高峰期、大促活动、核心链路 | 接口延迟、规则命中率突变、模型超时 |
| 准实时巡检 | 小时级 | 日常运营、批量任务、数据同步 | 特征加工延迟、数据一致性、集群差异 |
| 日巡检 | 每日固定时间 | 全量规则/模型健康度、资源水位 | 规则覆盖率、模型 PSI、CPU/内存水位 |
| 周/月巡检 | 每周/每月 | 版本发布后、模型迭代后、合规审计 | 灰度 vs 全量一致性、阈值合理性、监管合规 |
📌 最佳实践： 建议将实时巡检与日巡检结合：实时巡检负责“熔断”级告警（如接口不可用），日巡检负责“漂移”级告警（如规则命中率缓慢变化）。两者配合可覆盖突发故障与渐进式退化两种风险模式。
1.6 巡检与告警阈值的关联
巡检的有效性高度依赖告警阈值的合理性。阈值设置过松会导致漏报（false negative），过紧则引发告警风暴（false positive）。风控稳定性巡检的核心任务之一就是动态校准告警阈值，使其随业务周期、数据分布、系统负载自适应调整。
⚠️ 常见误区： 很多团队将巡检阈值设为“固定值”后便不再调整。实际上，业务具有周期性（如月末信贷申请量激增、周末交易量下降），固定阈值在波峰易误报、波谷易漏报。建议采用“动态基线 + 百分比偏移”的阈值策略，并每周至少校准一次。