背景
电商或者泛电商平台快速发展中，会出现黑产和羊毛党的攻击，对企业营收和系统的稳定性产生不良的影响。 风控系统应运而生，c端服务对接风控系统，可以防止各种攻击行为。
攻击群体
- 黑产 即使用模拟器或者批量使用肉机来注册、领券或者交易，无业务价值的用户。
- 羊毛党
保护场景
注册登录保护
- 某IP最近1小时注册账号数超过10个
- 某账号最近3分钟登陆次数大于5次
- 1小时内同一设备id多个uid登录（大于5）
营销保护
- 某账号群体最近1小时购买优惠商品超过100件
- 某账号最近3分钟领券超过3张
交易保护
- 某账号180天内购买某商品>12
- 低毛利商品
- 限定渠道商品
黑白名单
业务分析
此时的系统需求比较简单。只要满足异常设备的拦截和基本的保护规则即可。 主要是规则的设计要满足可扩展，之后会添加各种维度聚合的规则。
对黑产虚拟机和肉机的识别：移动端sdk或者js文件会生产设备指纹（一个字符串），传到后端，直接解析设备指纹获取设备相关信息。比如：是否root，是否为代理ip，电池电量，开机时间等。
对业务规则进行抽象：保护规则都是基于自然语言，需要转化为机构化描述，方便程序编写和扩展。
任一规则都是分为两部分计算判断的：存量技术+增量判断。 比如：10分钟内某ip注册数<5。我们需要先计算10分钟内某ip已经注册次数+当前注册请求次数（1次）。 所以对于存量的统计可以转化为类sql来理解：统计单位时间内，多条件的聚合。
例如：select count(a) from table where timestamp between 5 min and b = '注册'
架构设计
识别系统的各种角色和用例
用例分析
核心模块设计
核心类设计
先介绍获取解析规则模块的类结构。
index类：分为正常指标和特殊指标。
- 正常指标是指10分钟内某ip注册数等，方便结构化查询。
- 特殊指标指某账号群体最近1小时购买优惠商品超过100件，因为优惠商品很难定义，还会经常改变，这类指标很难做到结构化，需要写代码测试上线。
condition类：条件类，定义条件的满足表达式，比如：10分钟内某ip注册数 > 10
Rule类：是条件类的集合，加上计分规则。比如：初始等分 + 指标 *（操作符） 命中基数
总结
本篇文章主要讨论了风控最为核心的规则判断的构建。既然构建了规则，那么接下来就是判断规则是否成立。下篇主要内容是如何选择表达式引擎来计算判断规则。
最后欢迎风控的小伙伴加微信，一起讨论建设风控平台。微信号：zhoulong807012161
