规则和模型

规则

前几章介绍了多种风控的手段,在讲述过程中我们经常会设计一些检测逻辑,例如一个用户每天只能登录10次。实际上在风控领域,这个检测逻辑被称为“规则”。

规则引擎

通常我们需要从数据中发现问题,找到黑产的规律,跟进规律找到对抗方案,形成一条或者多条规则。通常我们还会使用“规则引擎”定义、发布、执行规则。

我们可以用数学上的表达式来表示一条规则

规则 等价表达式
每天登录超过10次,弹一个数字验证码 WHEN 每天登录次数 > 10 THEN 弹数字验证码
使用了新的收获地址,发送手机验证码 WHEN 历史收货地址 length > 0 AND 新收获地址 not in 历史收货地址 THEN 手机验证

下图是规则引擎Drools的规则配置界面

模型

随着大数据的成熟,大数据和数据模型也别应用到了风控中。模型可以满足很多规则无法满足的分析。

规则 VS 模型

结合我自己的经验总结一下两者的对比,如下表

  规则 模型
技术难度 简单 复杂
开发周期
执行速度
应用场景
被突破难度 较容易 较难

从上面的表格中可以看出,规则在很多方面都力压模型。在实际中,各大公司也是主要基于规则,甚至很多有名的公司只有规则。

其实两者并没有好坏的区分,针对的场景不一样罢了。模型对于很多规则不支持的场景都给予很好的补充。只是这个补充需要一个过程(较长的开发过程和研究过程),而在瞬息万变的对抗中,这个过程是人们等不及的。 引用于“风控笔记”:https://github.com/WalterInSH/risk-management-note