1. 课程导论：反欺诈背景、图算法在反欺诈中的价值、Kafka回放链路的定义与课程目标
1.1 反欺诈背景：从规则对抗到智能博弈
数字金融与电商交易的飞速发展，使得黑产团伙的攻击手段从单点盗号、简单刷单，演变为有组织、规模化、链路化的欺诈行为。传统基于单点特征（如IP、设备指纹）的规则引擎，在面对以下场景时逐渐失效：
- 团伙欺诈：多个账号共享设备、共用IP，但单点特征无异常。
- 链路欺诈：注册→养号→刷单→提现，每个环节单独看都合法，串联起来才构成欺诈。
- 对抗升级：黑产利用代理池、设备农场、AI生成行为，绕过静态规则。
行业痛点： 2023年某头部电商平台数据显示，超过65%的高危交易由团伙链路发起，而传统规则引擎的识别率不足30%。
反欺诈技术已进入“图+流”的智能博弈阶段：需要同时具备关系挖掘（图算法）与实时回溯（Kafka回放）的能力。
1.2 图算法在反欺诈中的核心价值
图算法通过构建实体（账号、设备、手机号、订单）之间的关联网络，能够发现隐藏的团伙结构和异常传播路径。其核心价值体现在三个维度：
| 维度 | 传统方法 | 图算法方法 | 价值提升 |
|---|---|---|---|
| 关系发现 | 两两匹配（如IP相同） | 多跳关联（如二度、三度关系） | 识别隐蔽团伙 |
| 风险传播 | 静态标签 | 标签传播（LPA）、PageRank | 发现潜在风险节点 |
| 异常检测 | 阈值规则 | 社区发现（Louvain）、图嵌入 | 检测异常聚集模式 |
关键认知： 图算法不是替代规则引擎，而是在规则引擎之上构建关系维度的决策能力，尤其擅长解决“单点无异常，整体有风险”的团伙欺诈问题。
1.3 Kafka回放链路的定义
在实时反欺诈系统中，Kafka作为核心消息总线，承载着交易、行为、设备等海量事件流。Kafka回放链路是指：当图算法模型检测到某个节点（如账号A）存在风险时，需要回溯该节点在过去一段时间窗口内的所有关联事件，重新构建局部子图，并执行图算法进行二次验证或深度挖掘。
技术挑战： 实时流处理通常只能看到当前窗口的数据，而图算法需要历史全量关系才能准确计算社区归属或传播路径。Kafka回放链路正是为了解决“流处理的历史视角缺失”问题而设计。
回放链路的核心流程包含三个步骤：
- 触发：实时流处理发现可疑节点，生成回放请求（包含节点ID、时间窗口、回放深度）。
- 回放：从Kafka指定offset开始，按时间顺序重新消费事件流，提取与目标节点相关的关联事件。
- 构图与计算：将回放得到的事件构建为局部子图，执行图算法（如社区发现、标签传播），输出风险评分。
1.4 课程目标与学习路径
本课程旨在培养学员掌握“Kafka回放链路 + 图算法”这一组合技术在反欺诈场景中的完整落地能力。课程结束后，学员将能够：
| 能力维度 | 具体目标 | 对应章节 |
|---|---|---|
| 理论理解 | 掌握图算法（社区发现、标签传播、PageRank）原理及其在反欺诈中的适用场景 | 第2-5章 |
| 架构设计 | 设计基于Kafka回放的实时图计算架构，理解offset管理、回放策略与性能优化 | 第6-10章 |
| 工程实现 | 使用Flink + GraphX实现回放链路，完成从事件消费到图计算的全流程编码 | 第11-18章 |
| 实战应用 | 在电商交易反欺诈、信贷申请反欺诈、社交网络欺诈等场景中落地图算法回放链路 | 第19-25章 |
| 调优与运维 | 掌握回放链路的性能调优、数据倾斜处理、监控告警与灰度发布策略 | 第26-30章 |
学习建议： 本课程采用“理论→架构→编码→实战→调优”的递进式设计。建议学员在进入编码章节前，先确保对图算法基础概念和Kafka消费模型有清晰理解。每章末尾的“动手练习”环节是巩固知识的关键，请务必完成。