互聯網平臺智能風控實戰（簡體書）

風控是互聯網平臺業務的重要環節。隨著業務的迅速發展，黑灰產問題逐漸突出，大數據和人工智能技術的普及為智能風控提供了強力支撐。本書以作者實踐經驗和總結為基礎，介紹搭建智能風控系統對抗黑灰產的方法。全書共10章，按如下思路組織內容： （1）認識問題：第1章介紹常見的黑產類型，解密黑產運轉的內幕，帶讀者認識建立風控體系的必要性。 （2）分析問題：第2章分析風險范圍和種類，提出智能風控的系統框架和需要的各項能力，從整體上介紹智能風控系統，避免一開始就陷入技術細節。 （3）解決問題：包括第3~8章，介紹搭建智能風控系統需要的軟硬能力，包括理解業務和避免過度黑盒的實用方法、數據建設、常用技術手段（監督學習、遷移學習、GNN等）、量化評估和可視化效果呈現。 （4）總結與展望：包括第9章和第10章，總結搭建智能風控系統的注意事項，簡單展望智能風控技術的發展趨勢和前景。 本書內容源自作者的工作實踐和經驗總結，適合風控從業人員（技術管理者、分析師、算法工程師、產品經理）以及其他對互聯網風控感興趣的人員閱讀。

王永會，2012年畢業于北航，先后任職于騰訊、百度，長期從事風控工作，依托大數據和機器學習技術建立了以健康度模型為中心的智能風控體系，在黑灰產打擊方面積累了豐富經驗。

1.揭露鮮為人知的黑產運轉內幕
2. 詳解風控系統搭建的五大核心能力
3. 呈現典型場景的八大實戰案例

隨著現代互聯網科技的發展，以互聯網平臺為支撐的業務遍地開花，由此引發的黑色產業不斷滋生，營銷、欺詐、信用風險等方面都面臨一定的挑戰，如何建立并迭代企業的智能風控體系顯得尤為重要。
《互聯網平臺智能風控實戰》一書全面介紹了風控體系建立的背景、如何理解業務場景、數據的處理流程、常用風控手段以及實際案例，從系統開發到業務實踐，全方位展示了智能風控系統在互聯網平臺的實戰應用，深入淺出并系統地討論了智能風控體系進化歷史和發展全景，對于想要快速了解智能風控的從業人員是一本難得的參考書，同時對于業務及研發人員具有很好的參考和借鑒價值。
耿艷坤，順豐速運集團 CTO、順豐科技 CEO

《互聯網平臺智能風控實戰》一書側重講解搭建智能風控系統的思路框架，引導讀者從全局視野了解風控，從業務全流程去思考，采用多種技術路徑去實施，并歸納出智能風控管理應做到全鏈路覆蓋、依托豐富的大數據、從業務源頭上減少風險、靈活管控，非常具有參考價值。
唐會軍，數美科技 CEO

在互聯網的江湖里，黑灰產是一股神秘又惱人的力量，而與黑灰產的對抗又是互聯網平臺無法回避的問題。《互聯網平臺智能風控實戰》一書結合作者多年的一線作戰經驗，給出了一整套與黑灰產對抗的智能風控體系，既能從技術手段給出實操建議，又能跳出技術，從更高視角來理解風控，從整體上思考解決方案，相信會給讀者帶來有益的啟發。
巴川，競技世界首席數據科學家、CCFTF 數據科學 SIG 主席

隨著互聯網領域技術的快速發展，網絡黑灰產已經形成成熟的產業鏈。據測算，網絡黑產從業人員已過百萬，市場規模達到千億元級別。同時，黑產技術和風控手段也在隨著攻防對抗過程不斷演變，雖然有關黑產以及攻防技術的文章發表不少，但是都缺乏系統性。《互聯網平臺智能風控實戰》一書作者長年在一線工作，在同黑產對抗中積累了豐富的實戰經驗，對黑色產業鏈有著深入的研究和總結。本書首先介紹了黑色產業鏈，然后從業務、數據、規則防控、實戰、評估、平臺等維度系統講解了對應的風控解決方案，深入淺出，是當下業務安全領域少有的專業圖書，非常值得一讀。
陳成，快手業務安全負責人

推薦序一

在硝煙四起的互聯網平臺大戰結束之后，留給人們深的印象可能就是無處不在、越來越多的平臺補貼了。商家收獲了潮水般突然涌來的用戶，用戶體驗到了遠高于價格的超值服務，平臺快速擴大了市場占有率，投資人眼看著公司估值節節攀升——大家似乎各取所需，皆大歡喜。然而，盛宴之后很少有人會真正關心互聯網產業的長期健康發展，更少有人會認真思索如何借助基于數據和算法的先進技術手段，去擠出繁榮里的虛假泡沫，維護平臺上的良性增長。
在《互聯網平臺智能風控實戰》一書中，作者基于自己在一線互聯網平臺公司的長期實戰經驗，幫助大家建立起一套科學地收集、加工、評測和呈現大數據的智能風控方法論，能夠指導工作在互聯網行業不同場景下的業務、產品和研發人員，能夠更加及時、精準和全面地掌握商業活動的真實狀況，制定更能貼合實際的商業決策。在當今互聯網平臺經濟迅猛發展的風口浪尖，本書所倡導的“技術要理解業務、服務產品”的思路，將能從根本上有效對抗黑產風氣，終帶來整個行業的有序發展。
智能風控技術雖然來源于數據和算法，但又不限于冷冰冰的規則和指標。風控技術對抗的是利益背后的人性。相信讀者們能夠從本書的實戰經驗中，體會到那一場場攻防對抗戰之下隱藏的復雜利益關系和算計取舍。智能風控之所以能夠有效地建立起保護正常商業行為、促進合理商業生態屏障的邏輯，終依賴的也是技術專家在設計模型與系統時，綜合考慮數據的價值、損益的平衡、信息的隱藏和權力的制約，等等，這些都是需要反復博弈的因素，也是本書引人入勝的地方。
所謂魔高一尺、道高一丈，互聯網平臺上的智能風控戰爭永遠不會有終結的一天，不過這也是這項事業讓人著迷的一點。希望大家跟隨作者對智能風控技術發展趨勢的解讀，更加深刻地理解這門學問中需要反復揣摩的門道，在未來更為廣闊的數據安全治理空間中，創造更大價值，發現更多商機。
蔣凡，科技集團智能城市副總裁、《智能增長》作者

推薦序二

為什么互聯網平臺需要智能風控？智能風控是什么？如何系統化地構建智能風控體系以應對平臺運營中面臨的各種風險挑戰？這三個問題不僅需要我們從理論層面去探索和研究，更需要我們從各互聯網平臺的業務實踐中去總結和認識。
互聯網的發展極大地推動了我國數字經濟的發展，與此同時，平臺在拉新、留存促活、交易、內容生產與傳播等運營環節也面臨著越來越嚴峻的欺詐風險。黑產遍布在互聯網的各個領域，無論一個平臺提供的是什么樣的產品服務，都會成為黑產的套利目標。
如果平臺做拉新活動，黑產就會造大量的虛假賬號“賣”給平臺；如果平臺做促活活動，黑產就會造大量的虛假活躍“賣”給平臺；在下單交易中，黑產可能采用盜刷、惡意退款等方式，讓平臺貨、款兩空；如果平臺上存在有價值的數據，黑產就會盜爬數據并進行倒賣；如果平臺存在榜單，黑產就會通過提供“刷榜”服務來獲利；如果平臺存在 UGC，黑產就會通過發送大量違法詐騙廣告進行套利。總之，對于黑產來說，產品是什么不重要，利益才是的思考角度。面對每天金額龐大的損失，對平臺來說打擊黑產刻不容緩。
近幾年，網信辦對互聯網行業監管趨嚴，重拳打擊了很多涉政治敏感、黃賭毒以及三俗內容的產品。互聯網不是法外之地，在此背景下，加強互聯網平臺業務和內容風控意識，建立完善的風控制度，構建以反欺詐反垃圾為核心的風控系統和機制顯得尤為重要。而互聯網的飛速發展也讓我們清醒地認識到，對于不同規模、不同實力及處于不同經濟發展水平的平臺來說，風控的側重點、切入點及路徑也應有所不同。平臺需要從自身條件出發，制定適合自身情況的規劃。
本書側重講解搭建智能風控系統的思路框架，引導讀者從全局視野了解風控，從業務全流程去思考，采用多種技術路徑去實施，并歸納出智能風控管理應做到全鏈路覆蓋、依托豐富的大數據、從業務源頭上減少風險、靈活管控。
本書分為 10 章，從黑產、解決方案、業務、數據、模型、應用、工具、痛點、挑戰與未來等角度，對互聯網平臺智能風控進行了精辟的總結分析。
后，特別感謝王永會先生邀請我為本書寫序，數美科技作為一家專業的在線業務風控解決方案服務商，將持續關注智能風控領域，為塑造智能風控商業價值和實現健康向上的互聯網生態貢獻微薄的力量。
唐會軍，數美科技CEO

前言
互聯網平臺業務發展迅猛，產品迭代以快節奏見長，營銷推廣多以線上為主，這些特點是平臺業務的優勢，同時也深受黑灰產的喜愛。黑灰產有發達完善的情報和監控體系，也有成熟配套的刷量工具和研發資源，任何產品的漏洞和玩法都會被黑灰產在短時間內研究得明明白白，刷量一觸即發。
本書所講的風控面向的就是與黑灰產對抗的問題。時至今日，黑灰產已經發展得 非常成熟，軟件架構和基礎工具都能夠根據不同產品和業務快速調整定制。反觀風控，在不少中小企業中遇到刷量問題時，既無風控人員又無風控措施，只能臨時抱佛腳，花費人力、物力不停地趟路，研究對抗之法。實際上很多大型互聯網公司早已積累沉 淀了成熟的方法論，但由于風控內容較為隱秘，無法較為直白地系統化描述。本書試 圖通過筆者在實踐中的一些經驗體會，講述構建智能風控系統的粗略框架，希望能夠給還在趟路的從業人員提供參考。
本書不追求具體潮流的某個技術、某個模型來解決單個具體案例，而是強調搭建 智能風控系統的思路框架，引導讀者從整體上思考解決方案，從更高的視角來理解風控。
全書共 10 章，按照如下思路組織內容：
（1）認識問題：第 1 章介紹常見的黑產類型，解密黑產運轉的內幕。
（2）分析問題：第 2 章提出智能風控的系統框架和需要的各項能力，從整體上介紹智能風控系統，承上啟下。
（3）解決問題：包括第 3~8 章，介紹搭建智能風控系統需要的軟硬能力，包括理解業務和避免過度黑盒的實用方法、數據建設、常用技術手段、量化評估和可視化效 果呈現。
（4）總結與展望：包括第 9 章和第 10 章，總結搭建智能風控系統的注意事項，簡單展望智能風控技術的發展趨勢和前景。
書中第 6 章介紹了一些場景和案例，一方面便于讀者更好地理解技術手段的應用，另一方面也想通過這些案例說明一個問題：任何一個被黑產盯上的場景，想要徹底解決問題，都需要多手段、全鏈路地防控。書中多次強調數據打通，有些案例的解決方案讀者可能會覺得有些別扭，原因就在于數據無法獲取。筆者認為大數據的維度豐富性一定程度上需要跨產品跨平臺的數據打通才能做到，體現到業務上就需要全鏈路的防控，全鏈路防控也是避免單節點不斷暴露問題的必經之路；而智能則只是把大數據的維度發 揮出來的一個技術手段。
在寫作之初，筆者信心滿滿。寫到中間處，已覺自己站在愚昧之巔，隨著在工作中認知的不斷變化，書中內容寫了刪、刪了又寫，一度進入絕望之谷。書中內容多是自身體會，難免有認知錯誤之處，懇請廣大讀者批評指正。
書中很多想法的落實，離不開領導和團隊成員的大力支持，在此誠摯感謝耿艷坤、崔代銳、蔣凡、戴少偉的指導和培養，感謝劉夢宇、譚星、徐龍飛、魏堯、李子杰、田會會、張正龍等兄弟們的努力和貢獻。起筆容易，堅持不易，時間和精力有限，感謝家人的理解和支持。
謹以此書獻給我的孩子。雖然書中內容還有很多可完善之處，雖然拖拖拉拉持續了很長時間，但終還是堅持寫完了，希望你長大以后能克服惰性、堅持長期主義，不要貪圖瞬時滿足感，哪怕學個滑板車，想要靈活自如地滑行也需要長久地多多練習。
王永會
2021 年 10 月

第1章

解密黑產

1.1 認識黑產 / 2

1.1.1 黑產的危害 / 2

1.1.2 黑產的產生 / 4

1.1.3 黑產的類型 / 5

1.1.4 黑色產業鏈 / 6

1.1.5 黑產的焦點 / 9

1.2 黑產運作 / 10

1.2.1 外賣領域的黑產運作 / 11

1.2.2 出行領域的黑產運作 / 13

1.2.3 金融領域的黑產運作 / 14

1.2.4 黑產的特點 / 15

1.3 黑產技術演變 / 16

1.3.1 風險控制的發展階段 / 16

1.3.2 黑產的發展階段 / 17

第2章

風控解決方案

2.1 風險的范圍和種類 / 20

2.1.1 風險的范圍 / 20

2.1.2 風險的種類 / 20

2.2 風控的團隊配備 / 21

2.3 智能風控的技術思路 / 23

2.3.1 智能風控的定義 / 23

2.3.2 設備指紋 / 23

2.3.3 規則引擎 / 25

2.3.4 監督學習模型 / 28

2.3.5 無監督學習模型 / 30

2.3.6 知識圖譜 / 36

2.3.7 深度學習 / 37

2.3.8 聯防聯控 / 39

2.3.9 系統化解決方案 / 41

2.4 風控系統框架實例 / 44

2.4.1 外賣風控系統框架 / 44

2.4.2 電商風控系統框架 / 45

2.4.3 金融風控系統框架 / 47

2.4.4 視頻風控系統框架 / 49

2.4.5 小結 / 50

2.5 智能風控系統的構建要點 / 50

第3章

核心：理解業務、服務于產品

3.1 風控、業務和產品 / 54

3.1.1 風控工作的生存困境 / 54

3.1.2 如何理解業務 / 55

3.1.3 業務理解的認知表現 / 56

3.1.4 業務理解的行動表現 / 58

3.1.5 數據和模型論 / 60

3.1.6 理解業務的風控實例 / 61

3.2 風控需要被理解 / 62

3.2.1 模型可解釋性 / 63

3.2.2 全局解釋 / 64

3.2.3 模型相關的解釋方法 / 72

3.2.4 模型無關的解釋方法 / 75

3.3 引導型風控 / 87

第4章

關鍵：數據的重要性

4.1 數據的價值 / 91

4.2 大數據風控誤區 / 92

4.2.1 大數據風控污名化 / 92

4.2.2 被忽視的數據質量問題 / 93

4.2.3 大數據并不“大” / 93

4.3 數據的搜集 / 94

4.3.1 數據源 / 94

4.3.2 埋點采集 / 95

4.4 風控數倉 / 97

4.4.1 風控數據流程 / 97

4.4.2 大寬表與數據指標 / 100

4.5 特征工程 / 102

4.5.1 特征構造 / 102

4.5.2 特征加工處理 / 103

4.5.3 特征選擇和降維 / 107

4.6 案例 / 114

4.6.1 一個簡單的例子 / 114

4.6.2 Kaggle 比賽的例子 / 117

4.7 風控的數據輸出 / 118

4.8 數據可視化分析 / 120

第5章

手段：規則、模型和監控

5.1 設備指紋 / 124

5.1.1 Hook 機制 / 125

5.1.2 反 Hook / 128

5.1.3 設備指紋技術 / 131

5.1.4 模擬器 / 135

5.1.5 群控 / 云控系統 / 138

5.2 規則引擎 / 141

5.2.1 規則引擎的總體架構 / 141

5.2.2 規則引擎的核心技術 / 143

5.3 風控模型方法 / 146

5.3.1 評分卡 / 146

5.3.2 監督學習模型 / 155

5.3.3 樣本不均衡處理策略 / 158

5.3.4 PU Learning / 173

5.3.5 主動學習和遷移學習 / 175

5.3.6 社區發現 / 178

5.3.7 異構網絡的密集子圖挖掘 / 190

5.3.8 圖神經網絡（GNN） / 200

5.3.9 知識圖譜 / 210

5.3.10 其他算法模型 / 218

5.4 監控 / 220

5.4.1 大盤指標監控 / 221

5.4.2 規則監控 / 222

5.4.3 模型穩定性監控 / 224

5.4.4 變量級監控 / 228

5.4.5 情報和輿情監控 / 230

第6章

場景：反制手段的應用

6.1 系統性防御 / 233

6.2 刷銷量、好評、排名、榜單 / 234

6.2.1 背景 / 235

6.2.2 技術手段 / 237

6.2.3 案例 / 240

6.3 刷紅包、優惠券 / 243

6.3.1 背景 / 243

6.3.2 技術手段 / 245

6.3.3 案例 / 245

6.4 刷團伙、群控、BC 聯合套現 / 255

6.4.1 背景 / 256

6.4.2 技術手段 / 257

6.4.3 案例 / 259

6.5 虛假商戶、虛假申請、虛假賬號、

多角色聯合的虛假孤島 / 274

6.5.1 背景 / 275

6.5.2 技術手段 / 275

6.5.3 案例 / 276

6.6 刷廣告、渠道推廣 / 282

6.6.1 背景 / 284

6.6.2 技術手段 / 286

6.6.3 案例 / 291

6.7 舞弊刷業績—銷售 / 296

6.7.1 背景 / 296

6.7.2 技術手段 / 298

6.7.3 案例 / 299

6.8 內容風險 / 311

6.8.1 背景 / 312

6.8.2 技術手段 / 312

6.8.3 案例 / 313

6.9 物流作弊 / 320

6.9.1 背景 / 320

6.9.2 技術手段 / 321

6.9.3 案例 / 322

6.10 分角色治理 / 323

第7章

評估：損失與收益的平衡

7.1 評估的意義和困難 / 327

7.2 評估指標 / 328

7.2.1 有明確樣本集的評估 / 328

7.2.2 無明確樣本集的評估 / 332

7.3 樣本來源 / 335

7.4 A/B 測試 / 336

7.4.1 A/B 測試原理 / 336

7.4.2 風控中的 A/B 測試 / 337

7.5 損失與收益評估 / 338

7.5.1 業務損失和收益評估 / 338

7.5.2 風控視角的損失和收益評估 / 339

7.5.3 實施方法 / 339

第8章

管理平臺：直觀的可視化工具和管控工具

8.1 管理平臺的重要性 / 342

8.2 可視化看板 / 343

8.3 可解釋性與可視化 / 347

8.4 查詢分析平臺 / 354

8.5 監控和引擎配置平臺 / 356

8.6 其他工具 / 357

8.7 小結 / 358

第9章

風控的挑戰與智能風控系統的搭建原則

9.1 風控的痛點與挑戰 / 360

9.2 搭建智能風控系統的原則 / 362

9.3 搭建智能風控系統的注意事項 / 364

第 10 章

風控的未來技術

10.1 未來的技術趨勢 / 370

10.2 智能風控公司的機遇 / 373