最近一直關注風控方向的知識和業務，我做下總結吧！
1. 技術篇
機器學習算法（這個是最多的，要明白每個模型的優缺點，適用范圍，對模型本身要理解透徹）
深度學習算法：GAN,遷移學習，強化學習等新的技術
2. 基本理解
（1）風控的定義：風控就是風險控制
主要分為2大方向：信用風控（打分，芝麻分之類）；反舞弊風控（很多黑產活躍在互聯網上，你就要通過風控和壞人做對抗；這個對抗不能只停留在防御上，更多的要站在壞人的角度去思索他們是怎么欺詐的，怎么獲取利益的）
風險行為的定義：
賬戶安全問題：盜卡，盜余額支付
商家刷單：帥排名，刷銷量，刷好評
用戶作弊：”薅羊毛“，也就是獲取一些優惠卷（通過反復注冊新用戶等行為）
（2）風控的特性
高對抗性：要24小時防御；因為有組織的找平台bug進行盜卡，或者是盜號這樣的太多了。
准確性：2個要素准確性和召回率（我們關注的是異常樣本，寧可錯殺100也不放過一個？？？其實這個准確度也很重要，把好的用戶判別成壞的用戶會遭到用戶的投訴之類，不划算啊）
靈活性：人工對抗不合理，最好我們設計出的模型或者產品可以實現誰是監督，隨時修改，實現一個自我判斷學習的過程！
3.風控的整體架構
風控的整體架構可以分為三個大的系統：
- 實時風控；
- 准實時風控；
- 離線風控。
區分的標准是根據策略的速度：
- 實時風控：舉個例子美團的實時風控要求必須為毫秒級同步返回，用戶下單時必須要實時監控同步調用，每天億級的調用量就要求每次調用不可以是秒級別。
- 准實時風控：一般來講幾秒甚至幾分鍾以內返回都可以，因為采用的是異步調用事后處理，這種方式計算的數據量和可利用的數據量資源比實時風控會多很多。
- 離線風控：一般通過 ETL 來做。
如圖所示第二層是策略系統。策略系統時風控的核心系統，包含着規則、管理以及監控的功能。
策略系統在設計的過程中，最關鍵的是：
- 配置是否方便快捷，策略能不能夠快速上線是決定性的要素。因為我們一般在上線之前，首先需要灰度測試→人工處理→機器處理，因此要去策略系統配置一定要方便快捷。
- 規則引擎性能要高。
最下面一層是特征庫，具備黑白名單、統計數據以及特征數據等功能。特種庫對於系統的性能應該是最重要的，因為億級體量的數據量是十分龐大的，因此在設計時要用到一些大數據框架。
圖中左側的處理系統即統一的處罰系統，無論是對商家還是用戶的處罰都會歸到這個處罰系統中；右側主要是一些公共組建，包含過載保護、報表、監控報警等等功能。這就是一個完整的風控架構。
4.風控模型策略
1. 異常檢測
可以簡單分為三種：
- 基於數據統計，例如同一個 IP 登陸成功率非常高，這是有風險的信號，背后可能意味着是同一伙人，100 個人不可能說一次性都能輸對密碼，違反常理；同樣的，登錄成功率非常低的，可能就是暴力破解、撞庫。基於數據統計，可以找到異常特征。
- 聚類，聚類完成之后會有離群點，離群點即可判斷為異常。
- 孤立森林，這個方法在異常檢測領域效果最好，它的理論是將一個人的所有行為想象成一棵樹，在某些分支上與其他分支出現了強不同，則該分支出現了問題。例如你同一台設備同一個 IP，導致你的行為都是類似的；但有的人同一個 IP 多台設備，很容易被這種方法捕捉到異常。
2. 知識圖譜
如圖所示，知識圖譜即多對多的關系，舉登錄的例子，設備 ID 與 登錄 ID 未必是一對一的關系，同一台設備可以有多個人登錄，同一個登錄 ID 又可以在多個設備上登錄，但重要的是一個人無法同時登錄 N 個設備，同樣 N 個設備也不可能被 N 個人登錄，因此很容易捉到異常。
3. 用戶畫像
