1. 课程导论：数据血缘与反欺诈的关系、课程目标与适用人群、整体技术栈概览

1.1 为什么反欺诈需要数据血缘？

传统反欺诈系统通常依赖规则引擎或离线模型对单笔交易进行“快照式”评分。这种模式在面对团伙欺诈、设备农场、养号洗白等复杂攻击时，存在三个致命短板：

• 证据链断裂：无法追溯一笔异常交易从“数据采集 → 特征加工 → 模型评分 → 决策输出”的完整链路，导致误判后难以定位根因。
• 特征时效性盲区：离线特征依赖 T+1 批量计算，无法在回放时还原“当时”的实时特征状态，回放结果与真实场景脱节。
• 策略迭代无锚点：每次策略调整后，无法精准对比新旧策略在“同一笔历史流量”上的效果差异，A/B 测试成本极高。

数据血缘（Data Lineage） 通过记录数据从产生、流转、加工到消费的全生命周期依赖关系，为反欺诈回放提供了“时空穿梭”的能力。它让每一笔历史交易都能在血缘拓扑中精确还原其输入特征、中间变量和决策路径。

1.2 课程目标与适用人群

课程目标

完成本课程后，学员将具备以下能力：

1. 设计血缘驱动的回放链路架构：掌握从数据采集、血缘解析、特征还原到策略回放的全链路技术方案。
2. 实现字段级精准回放：能够基于血缘拓扑，对任意历史交易进行“特征级”的精确还原，而非简单的请求日志重放。
3. 构建策略效果评估体系：利用回放链路量化新旧策略的拦截率、误伤率、响应延迟等核心指标。
4. 落地生产级回放平台：了解高吞吐、低延迟、数据一致性等工程挑战的解决方案。

适用人群

1.3 整体技术栈概览

本课程采用的技术栈覆盖数据采集 → 血缘解析 → 特征存储 → 回放计算 → 结果分析五个环节。下表列出核心组件及其在本课程中的角色：

1.4 课程章节速览

本课程共 30 章，按“基础 → 核心 → 进阶 → 实战”四阶段组织：

• 第 1-5 章（基础）：数据血缘概念、反欺诈回放原理、技术栈搭建。
• 第 6-15 章（核心）：血缘采集 SDK 开发、特征血缘解析、时间旅行存储、回放引擎实现。
• 第 16-22 章（进阶）：分布式回放调度、血缘质量监控、策略效果量化评估。
• 第 23-30 章（实战）：电商交易反欺诈回放、信贷申请反欺诈回放、设备指纹回放、全链路压测与性能优化。