在当今复杂的互联网环境下，我们的系统时时刻刻都暴露在风险（刷单党、羊毛党）的攻击之中，如果我们不采取有效防御措施，那么这些风险就会对业务造成很大的损失。
image.png
用公式可以表达出风控规则和风险数据的系统关系：z=f(x, y) ，f 为系统风控规则，x 为系统实时输入风险数据，y 为系统的事实数据。
挑战性
- 数据量大，计算延时严重
- 风控策略多变
image.png
目标
- 准确及时识别风险
- 采取有效防御措施
总体架构
基于大数据实时计算和可热更新的通用规则引擎，搭建一套业务风控系统。
image.png
业务风险：刷单（订单）、薅羊毛（活动）、恶意注册和异常登录（用户）
业务服务：
- 风控系统：识别业务风险，根据业务或埋点数据判断当前用户或事件有无风险；
- 惩罚系统：对系统风险操作进行控制或惩罚，如禁止下单、增加验证码、限制登录；
- 分析系统（管理系统）：提供系统管理和数据展示分析。系统管理如规则管理，分析业务数据如风险的订单，分析系统指标数据如某策略规则拦截率，以及时修正策略规则；
系统引擎：
规则引擎：策略规则的解析和执行，选用 B 站开源的 gengine（golang） 规则引擎；
大数据计算引擎：实时在线或离线计算业务指标数据，选用 Flink + Kafka 流计算引擎，指标数据存储在 Redis（数据异构）。各云厂商提供相应服务，如腾讯云流计算 Oceanus；
消息中心：各系统之间通过事件驱动，选用 Kafka
存储：
- MySQL：风控规则等
- Redis：指标数据
- Mongo：操作日志、快照等
系统工作流程
image.png
包含 3 个数据流。
- 实时风控数据流：由红线标识。业务同步调用风控系统，返回风险识别结果，并作相应惩罚，为系统核心链路；
- 准实时指标数据流：由蓝线标识。大数据计算引擎实时异步写入，准备业务指标数据并存储在 Redis，为系统准实时链路；
- 准实时/离线分析数据流：由绿线标识。异步写入，生成业务报表和评估风控系统表现的数据，以供进行数据分析；
更多内容请前往「后端搬运工」查看原文。
