1. 课程导论：Kafka回放链路反欺诈的背景、图模型在反欺诈中的价值、课程目标与学习路径

1.1 反欺诈战场：为什么Kafka回放链路成为攻击重灾区

在实时风控与离线分析系统中，Kafka 作为核心消息总线，承载着交易流水、用户行为日志、设备指纹等关键数据。攻击者利用消息回放（Replay）机制，将截获的历史合法消息重新注入链路，从而绕过基于时间戳、序列号或简单频率的检测规则。

传统反欺诈手段（规则引擎、单点特征检测）在回放攻击面前存在三大短板：

• 时序盲区： 规则引擎难以区分“真实重试”与“恶意回放”的时间分布差异。
• 上下文缺失： 单条消息检测无法关联同一链路中上下游消息的因果依赖。
• 特征稀疏： 攻击者可通过随机化时间戳、IP等字段绕过静态阈值。

1.2 图模型：从“单点检测”到“链路关系推理”的范式跃迁

图模型将Kafka回放链路中的每条消息视为节点，消息间的时序、来源、内容相似性等关系视为边，构建出动态演化的链路图。相比传统方法，图模型在反欺诈中提供以下核心价值：

1.3 课程目标：从零构建生产级Kafka回放链路反欺诈图模型

本课程旨在帮助学员掌握以下核心能力：

1. 理解回放攻击原理： 深入分析Kafka消息回放链路的攻击面与检测难点。
2. 掌握图建模方法： 学会将Kafka消息流转化为动态属性图，设计有效的节点与边特征。
3. 训练与部署图模型： 使用GNN（GraphSAGE、GAT等）进行异常检测，并集成到Kafka实时管道。
4. 生产化落地： 涵盖大规模图采样、模型在线推理、A/B测试与监控告警。

1.4 学习路径：30章循序渐进

课程分为四大阶段，每阶段聚焦一个关键能力：

1.5 课程特色与教学方式

• 实战驱动： 每章配套可运行的代码示例与数据集，覆盖从数据模拟到模型部署全流程。
• 架构视角： 不仅讲解算法，更强调Kafka + 图计算引擎的工程架构设计。
• 反欺诈专项： 所有案例均围绕回放攻击检测设计，避免通用图学习的泛泛而谈。
• 持续更新： 课程资料随Kafka版本与图计算框架演进同步维护。