AI 风控实战：为什么你的反欺诈模型总在「抓坏人」和「误杀好人」之间反复横跳

一个做跨境支付的朋友找我复盘：他们的风控模型上线半年，坏账率下降了 40%，但客服投诉量涨了三倍，商户流失率创了新高。翻完他们三个月的数据，问题很清楚——模型在优化一个错误的指标。

这是反欺诈领域最常见的陷阱。下面把三个工程约束讲透。

一、约束一：样本不平衡不是 1:100，是 1:10000

公开数据集里的欺诈样本占比通常在 0.1% 到 1%，好用来做 demo。真实支付场景里，做得还行的风控系统能见到的欺诈比例往往是万分之几。这意味着一个全部预测为「正常」的模型，准确率 99.99%，比绝大多数调好的模型都高。

所以准确率、AUC 这些指标在反欺诈里基本没有决策价值。真正该盯的是：

• 在固定误杀率下，能拦住多少金额（而不是多少笔）
• 单笔欺诈的平均损失 vs 单笔正常交易的预期利润（成本矩阵）
• Top 1% 高风险名单的命中率（因为人工审核资源只够看这么多）

把指标从「笔数」换成「金额」，很多模型的排序会彻底改变。欺诈者最爱用大额单，而你原来的模型可能因为小额欺诈频率高而忽略了它们。

二、约束二：这是一场对抗，不是一次分类

传统机器学习假设数据分布稳定。反欺诈不成立——你在优化的同时，对手在适应你。我们观察到过很典型的循环：

1. 模型开始拦截「新设备 + 大额 + 深夜」
2. 欺诈团伙改为「老设备 + 中额 + 白天」，规避了规则
3. 模型性能下滑，召回率从 65% 掉到 38%
4. 重新训练，新规则又被绕过

这就是为什么纯离线训练的模型在风控场景衰减极快，通常 4 到 8 周就需要一次重训。

应对方式不是「训练更强的模型」，而是建立漂移监测 + 快速迭代闭环：

• 按周监控特征分布偏移（PSI），偏移超过 0.1 的特征进重训队列
• 保留最近 30 天的样本权重加倍，让模型更关注当下模式
• 关键规则的生效时间做 A/B，避免全量上线后才发现误杀

三、约束三：误杀的成本被系统性低估

误杀一个正常用户的代价，不是「少赚一笔手续费」，而是：

• 客服工单成本（通常 3-8 元/单）
• 用户流失（一次误杀的流失概率文中位数约 12%）
• 商户侧的信任损失（B 端客户被误杀后往往直接换支付通道）
• 品牌口碑的复利效应

我们把这几项折算进成本矩阵后发现：一笔误杀的期望成本，是一笔小额欺诈损失的 2 到 4 倍。这直接决定了模型阈值应该大幅右移——宁可漏掉一些小额欺诈。

朋友那家公司的模型之所以投诉暴涨，就是因为训练目标用的是「最小化欺诈金额」，没有建模误杀成本。

四、渐进升级路线

别一上来就做深度学习。我们验证过的四阶段路线更稳：

第二阶段：规则引擎兜底。黑名单、设备指纹、IP 归属、金额区间、频次限制。规则覆盖 60% 的明显欺诈，且完全可解释，出了事能快速下线。

第三阶段：GBDT + 特征工程。LightGBM 或 XGBoost 在表格化的交易数据上依然是最优解，可解释性好（SHAP 能直接给客服看），训练快，两周能迭代一版。

第四阶段：图模型抓团伙。单人欺诈好抓，难抓的是团伙——共用设备、共用银行卡、资金在同几个账户间循环。图神经网络能显著提升团伙识别，但工程复杂度高，建议等前三阶段稳定后再上。

第五阶段：在线学习 + 人机协同。人工审核的结论回流成标注，持续喂给模型；高风险单走人工复核，低风险单自动放行。关键是审核员的决策也要被记录和评估，否则噪声标注入会污染模型。

五、三个容易被忽略的细节

特征时效性。「过去 90 天交易笔数」这个特征在离线训练时是全量的，线上计算时往往只用了部分历史，导致训练/线上不一致（training-serving skew），模型线上表现比离线差一大截。上线前必须做特征一致性校验。

标签延迟。欺诈的确认往往要 30 到 90 天（等持卡人拒付），这期间样本标签是「未知」而非「正常」。如果把未知当正常训练，模型会被污染。正确做法是排除近 90 天的样本，或者用样本加权。

可解释性是合规要求。用户被拒绝交易时有权知道原因，很多地区已经立法。SHAP 值转成人话的规则表是必须准备的，不是加分项。

风控不是追求「零欺诈」，那不可能。风控是在给定成本结构下，找到让整体效益最大化的那个阈值。把成本矩阵算清楚，比换十个模型都管用。