1. 风险网关概述
1.1 风险网关的定义
风险网关（Risk Gateway）是部署在业务系统与风控决策引擎之间的轻量级流量代理与特征预处理层。它负责拦截所有业务请求，在请求进入核心风控决策前完成特征采集、清洗、补全与转发，是风控体系中的第一道数据关卡。
核心定义：风险网关 = 流量代理 + 特征工厂 + 降级开关 + 审计日志
与传统的 API 网关不同，风险网关不关注路由、限流、鉴权等通用网关能力，而是专注于风控特征的实时采集与质量保障。它解决的核心问题是：“在风控决策之前，如何确保特征数据的完整性、时效性与准确性？”
1.2 风险网关在风控体系中的位置
在典型的风控技术架构中，风险网关位于业务接入层与风控决策层之间，承担承上启下的枢纽角色。下图展示了风险网关在风控体系中的位置与上下游关系：
从架构视角看，风险网关处于数据流入的关键路径上。它不参与风控决策逻辑，而是专注于特征数据的质量保障。一旦特征缺失或异常，风险网关可以立即触发补全、降级或熔断，避免脏数据进入决策引擎导致误判。
1.3 核心功能
风险网关的功能体系可以归纳为以下四个核心模块：
| 功能模块 | 核心职责 | 关键技术点 |
|---|---|---|
| 特征采集 | 从请求中提取设备指纹、IP、用户行为、业务上下文等特征 | 多协议解析（HTTP/gRPC/消息队列）、字段映射、类型转换 |
| 缺失巡检 | 实时检测特征字段是否缺失、超时、格式异常 | Flink CEP 模式匹配、滑动窗口统计、阈值告警 |
| 数据补全 | 对缺失特征进行默认值填充、缓存回填、降级处理 | 本地缓存、Redis 回查、降级策略配置 |
| 降级熔断 | 在特征质量不达标时自动降级或熔断，保护决策引擎 | 熔断器模式、滑动窗口错误率统计、人工干预接口 |
实战经验：在日均亿级请求的场景下，风险网关的特征缺失巡检必须做到 P99 延迟 < 5ms，否则会成为业务链路的瓶颈。Flink 的实时计算能力是支撑这一性能目标的关键技术选型。
1.4 风险网关的价值
风险网关在风控体系中的价值体现在以下四个维度：
- 数据质量保障：在特征进入决策引擎之前完成质量巡检，避免因特征缺失导致规则误命中或模型打分偏差。据统计，特征缺失导致的误判率可降低 60% 以上。
- 决策链路保护：通过降级熔断机制，在特征数据异常或下游系统故障时自动切换为安全模式，防止风控系统雪崩。
- 运维效率提升：统一的特征采集与巡检逻辑，避免了各业务线重复开发特征处理代码，降低维护成本约 40%。
- 实时监控与告警：基于 Flink 的实时特征缺失巡检，可以在秒级发现特征质量问题并触发告警，大幅缩短故障发现时间。
下图展示了风险网关在特征缺失场景下的处理流程与价值体现：
注意：风险网关不是万能的。它无法解决特征数据本身的准确性问题和业务逻辑错误。风险网关的核心价值在于 “已知缺失的检测与可控降级”，而非数据质量的全面治理。在实际架构中，需要与数据治理平台、特征仓库等系统协同工作。
1.5 风险网关与 Flink 的结合点
在风险网关的缺失巡检场景中，Flink 扮演了实时特征质量监控引擎的角色。具体结合点包括：
- 实时特征流处理：使用 Flink DataStream API 消费业务请求的 Kafka 消息，在毫秒级完成特征字段的缺失检测。
- 滑动窗口统计：基于 Flink 的滑动窗口计算特征缺失率、超时率等质量指标，支持秒级告警。
- CEP 模式匹配：使用 Flink CEP 识别连续特征缺失、特征异常波动等复杂事件模式。
- 状态管理与容错：利用 Flink 的 Checkpoint 机制保障特征巡检状态的精确一次语义，避免重复或遗漏。