ML 案例 4：支付欺诈检测

欺诈检测要在一笔支付的授权流程里，用几十毫秒判断它是不是盗刷。它和推荐、广告有三点明显不同：错误的代价不对称（漏掉一笔欺诈和误拒一个正常用户，损失完全不同），标签要等几周甚至几个月，以及对手会主动适应你的模型。

1. 需求澄清

功能需求

• 对每笔交易实时给出决定：通过、要求额外验证（短信验证码、3-D Secure）、拒绝
• 可疑交易进入人工审核队列
• 给审核员和用户提供可以解释的拒绝原因

非功能需求

• 规模：峰值 5000 笔/秒
• 延迟：风控决策在 100 ms 以内（它在支付授权的关键路径上）
• 高可用：风控挂了，不能让所有支付都失败

代价不对称：

• 漏过欺诈：损失交易金额，加上拒付手续费
• 误拒正常交易：损失这笔收入，用户可能从此流失
• 人工审核：审核员的成本和延迟

2. 问题形式化

二分类，预测 P(欺诈 | 交易)。但最终输出的是决策，不是概率：

阈值按期望成本选，而不是固定为 0.5：一笔 5000 元的交易和一笔 20 元的交易，欺诈概率相同，处理方式也应该不同。阈值还可以按金额区间、商户类别分别设定。

规则加模型：已知的模式和合规要求（黑名单、单卡频次上限）用规则，生效快、好解释；模型负责从复杂特征里泛化。出现新的攻击时，先用规则止血，等模型重训后学会。

flowchart LR
  accTitle: 支付风控的实时决策链路
  auth["支付授权请求"] --> feat["取特征：频次计数、设备、图特征"]
  feat --> rules["规则引擎：黑名单、硬限制"]
  rules --> model["模型打分"]
  model --> policy["决策策略：按金额和成本选阈值"]
  policy --> approve["通过"]
  policy --> challenge["额外验证或人工审核"]
  policy --> decline["拒绝"]
  challenge --> outcome["验证与审核结果"]
  outcome --> labels["标签：审核结果、拒付、用户举报"]
  approve -.->|"30~90 天后的拒付"| labels

3. 数据与特征

标签来源：持卡人发起的拒付（chargeback，通常在交易后 30~90 天才到）、人工审核结论、用户举报。标签有两个麻烦：

• 延迟：最近几周的交易，大部分标签还没“成熟”
• 选择偏差：被拒绝的交易永远不知道它到底是不是欺诈，模型拒得越多，训练数据里越缺这一块

特征：

频次特征用流式计算（滑动窗口计数器）实时维护在在线特征库里；训练时必须按每笔交易发生时刻的值回放，不能用当天汇总后的数，否则就是数据穿越。图特征计算量大，通常定期离线计算后写入 KV 存储，用来识别团伙作案。

欺诈只占约 0.1%，可以对正常交易降采样，或者给欺诈样本加权，但评估必须在真实分布上做。

4. 模型

1. 基线：规则加逻辑回归
2. 主模型：GBDT（XGBoost、LightGBM）。表格特征上效果好，能处理缺失值，推理快，还能用 SHAP 给出每笔交易的主要原因，方便审核和解释拒绝
3. 补充：图模型离线识别欺诈团伙；无监督的异常检测（比如孤立森林）发现还没有标签的新型攻击

最后由决策层把规则、模型分数和金额组合起来，按成本选择阈值。

5. 训练与评估

按时间切分，并且只用标签已经成熟的数据：比如用 4 个月前到 1 个月前的数据训练。最近一个月的标签还在陆续到达，不能当作“没有欺诈”。

离线指标：

• PR-AUC
• 固定误拒率（比如 0.5%）下的召回
• 按金额加权的召回：抓住的欺诈金额占全部欺诈金额的比例
• 总期望损失：在选定的阈值下，漏过的欺诈损失 + 误拒成本 + 审核成本

处理选择偏差：对一小部分本该被拒绝的低金额交易改为“额外验证”，验证是否通过就是标签，用它估计被拒交易里真实的欺诈比例。

上线：先跑影子模式（只打分不生效），对比新旧模型的决策差异；再在一小部分流量上做冠军-挑战者（champion-challenger）实验。拒付率是滞后指标，短期先看误拒率、审核队列长度和用户投诉。

6. 服务与监控

• 频次计数器放在内存存储或流处理的状态里，每笔交易实时更新
• 模型和特征服务都设超时；超时或故障时退回只用规则的保守策略，既不能让所有支付失败，也不能全部放行
• 每次拒绝都记录原因代码（来自规则或 SHAP），用于审核和用户申诉

监控与对抗：

• 分数分布和特征分布的漂移；某个特征突然大面积缺失
• 每天的拒绝率、验证通过率、审核队列积压
• 欺诈者会不断调整手法，模型效果会随时间衰减，通常每周重训；出现新攻击时先用规则快速封堵

7. 回答分级

目标与决策

• Bad：输出一个阈值为 0.5 的分类结果，用准确率评估。
• Good：通过、验证、拒绝三档决策；用 PR-AUC 和固定误拒率下的召回评估。
• Great：按期望成本和交易金额选阈值；讲清规则和模型的分工；给出拒绝原因代码。

标签与特征

• Bad：把最近的交易都当作有标签的数据，用当天汇总的统计量做特征。
• Good：知道拒付标签有延迟，只用成熟的标签训练；设计频次、设备和行为偏离特征。
• Great：频次特征流式维护，并按交易时刻回放；用图特征识别团伙；指出被拒交易没有标签的选择偏差，并用小比例的验证流量来估计。

上线与对抗

• Bad：离线 AUC 涨了就全量上线，没有兜底。
• Good：影子模式加冠军-挑战者实验，监控拒绝率和漂移。
• Great：故障时退回规则的保守策略；规则快速止血，模型定期重训；按金额加权评估真实损失。

8. 不同级别的期望