这是 Beta 探索课程，内容结构、实验步骤和示例可能会继续调整。
风控反作弊
设计防刷流量、识别异常行为的风控系统
系统设计 风控 反作弊
系统演进路线
从人工封禁到闭环风控平台
第 1 版
人工封禁
运营发现优惠券被薅，先靠人工查订单和封账号。
订单查询人工审核封禁表
能止血，但响应慢、证据散、无法跟上攻击速度。
第 2 版
规则引擎
攻击模式重复出现，需要配置化规则快速拦截。
规则配置实时特征名单库处置动作
已知风险可以快速响应，但攻击者会绕规则。
第 3 版
风险评分
养号、设备农场和低频作弊难以用单条规则识别。
行为序列设备指纹关系图谱风险模型
系统开始用证据链和概率判断，而不是只靠阈值。
生产版
闭环风控平台
误杀、申诉、策略灰度和模型迭代都进入日常运营。
实时决策策略实验人工复核申诉回流效果看板
风控平台必须持续学习，并能解释每一次处置。
课程简介
系统总览
反作弊系统总览
把用户行为、规则模型、实时检测、黑名单和治理反馈串成闭环。
入口
行为事件
账号设备
交易请求
判断
规则引擎
风险模型
实时检测
治理
黑名单
人工复核
策略反馈
风控系统不是“加几个 if 判断”那么简单。真实业务里，攻击者会批量注册、刷接口、薅优惠券、刷榜、撞库、养号，再不断根据拦截结果调整策略。系统既要拦住作弊，又不能误伤正常用户。
这门课从一次刷单攻击开始，带你设计一套可演进的风控反作弊系统。我们会先建立业务和风险边界，再建设数据采集层、规则引擎、风险模型、黑名单系统、实时检测链路，最后通过案例复盘和完整架构把课程收束。
课程会把读者放进一次持续升级的攻防故事里：第一天发现刷单，先人工止血；第二天攻击者换 IP 和设备，规则开始失效；后面出现养号和团伙关系，系统必须引入模型、图谱、复核和申诉。风控的核心不是拦一次，而是形成持续迭代的证据闭环。
学习路线
- 风控系统概述：理解风控要解决的业务问题，以及误杀、漏放、延迟之间的取舍。
- 数据采集层：采集用户、设备、网络、行为和业务事件，为判断风险提供证据。
- 规则引擎：用可配置规则快速响应已知作弊模式。
- 风险模型：用统计和机器学习识别更隐蔽的异常行为。
- 黑名单系统：沉淀高风险用户、设备、IP 和账号关系。
- 实时检测：把规则、模型、名单组合到在线拦截链路。
- 作弊案例分析：通过典型攻击复盘风控系统如何迭代。
- 完整系统：总结最终架构、关键决策和上线检查清单。
学完后，你应该能从读者视角看清风控系统的主线：先有证据，再有判断，再有处置，最后通过反馈闭环让系统持续进化。