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。
模型输入与输出
模型输入：特征
风险模型的输入不是原始日志，而是特征：
| 特征类型 | 示例 |
|---|---|
| 用户特征 | 账号年龄、历史交易、投诉记录 |
| 设备特征 | 设备稳定性、关联账号数、模拟器概率 |
| 网络特征 | IP 风险等级、代理概率、地域跳变 |
| 行为特征 | 点击间隔、操作路径、输入节奏 |
| 业务特征 | 订单金额、优惠使用、地址相似度 |
特征分在线和离线：在线特征用于实时判断，必须低延迟；离线特征用于训练和复盘，可以更复杂。
模型输出：风险分
模型通常输出风险分：
risk_score = 0.0 ~ 1.0系统不会只根据分数做单一动作，而是结合场景和成本分层处置：
| 分数 | 处置 |
|---|---|
| 低 | 放行 |
| 中等 | 二次验证或限速 |
| 高 | 拒绝或人工审核 |
阈值按场景配置
同样的分数在不同场景含义不同：
- 登录场景误伤会影响用户体验。
- 下单场景放过风险可能造成资金损失。
因此阈值要按业务场景配置。
一句话
模型输入是特征（在线低延迟、离线可复杂），输出风险分（0~1）。系统分层处置：低分放行、中分验证、高分拒绝；阈值按场景配置——登录和下单的容忍度不同。
发现内容有问题？
告诉我们哪里需要改进。