短视频平台的风控系统设计

电商系统，还有短视频平台，都需要针对薅羊毛、黑灰产等异常用户进行防控与处理。从最早开始的黑白名单等经验规则，到现在应用 AI 和机器学习技术的规则引擎和特征分析。风控技术发展在不断演进。

如何识别异常用户

首先有区分普通用户和异常用户的行为特征。

异常用户在注册这一步，就和普通用户有不同，一般黑产用的群控系统，批量产生的注册用户，可能会有相似的用户名或相似的 profile。

规则的存储

从业务层调用风控系统 API，传入用户相关数据，风控系统需要解析这些数据，去匹配现有的规则，计算出用户评分，返回结果给业务层，是放行，还是阻断访问，进入惩罚系统。

风控系统的规则需要实时读取，选用 Redis 这种内存缓存，能满足高并发的要求。

规则的修正与分析

随着风控系统的实施和运行，黑灰产也会对风控系统的规则进行试探和猜测，试图绕过规则。因此，需要定期验证风控系统规则的有效性。我们需要一个流式计算来分析和验证我们的规则。修正可能的漏洞。

目前来说，选择 Flink 和 Spark 来实施，是一个比较好的选型。

系统整体架构

有待补充...