返回博客
风控系统:保护运营商与用户——高并发场景下五层纵深防御怎么落地
股票

风控系统:保护运营商与用户——高并发场景下五层纵深防御怎么落地

2026年8月2日

第一层:头寸级风控——把风险锁在最小颗粒度

在金边做软件第12个年头,团队从最早两三个人写到现在的28人,每年交付的项目在一百个上下。客户起初集中在柬埔寨本地,后来慢慢有越南、泰国、印尼的找过来,最近两年菲律宾和老挝的占比也在往上走。电商、娱乐、金融交易、地产、物流五个行业都接过,但客户反复追问细节的从来不是下单流程怎么写、结算怎么对账,而是风控——尤其是涉及实时资金进出的平台,他们问的第一句话往往是:异常单子能不能在穿透业务之前就拦住,而不是等事后报表里才看出来。

头寸控制是整个体系里最微观的一层。逻辑不复杂:某个用户或者某个特定标的一旦出现异常迹象,不等到订单进入后续链路,在入口处就锁住。金融交易类系统对这一点最敏感。电商订单错了还能退款重来,交易类系统一笔漏判就是实打实的资金敞口,客户在验收时专门会拿这个场景来测,测不过就不签字。

实现上基于Redis Cluster做分布式锁,对单个用户的持仓或特定标的进行冻结。早期版本用setnx加过期时间做锁,出现过锁提前过期、业务还没处理完的情况。后来改成Lua脚本原子化执行,把检查和写入压到同一条命令里。触发规则时,脚本一次性完成三件事:

  • 写入锁定键:生成lock:position:user_id:match_id键并设置过期时间,避免死锁。同时通过Redis发布/订阅通知网关层,网关收到消息后立即开始拒绝该用户对该标的的后续下单请求。网关订阅连接的稳定性直接决定这个"立即"有多快,我们在交付文档里对这块有专门的监控指标描述,但具体延迟数字因部署环境而异,【此处待填:不同部署环境下的延迟分布描述】。
  • 下发定制文案:锁定触发后,网关从lock_message哈希表中读取对应键的提示内容,填入响应体的risk_reason字段。运营可以在后台按语言配置不同文案。实际上线时发现柬埔寨本地用户和越南用户看到的提示语习惯不一样,直接翻译会显得生硬,后来改成每个语言单独维护一套文案模板,运营自己改,不用找开发。
  • 条件解锁:支持手动和自动两种释放方式。自动解锁通过监听订单结算队列实现,消费到结算成功消息后触发释放脚本。释放脚本先检查锁是否还存在再删除,避免并发场景下两个请求同时释放造成的竞态问题。这个竞态问题在测试阶段被抓住过一次,场景是用户连续点击下单和撤单,锁的状态在毫秒级内被两个操作同时改写。

头寸级规则是成品系统默认带上的第一道关,客户拿过去之后基本不需要再改底层逻辑,最多调阈值。那些在运营使用的成品系统客户,头寸拦截的触发频次和阈值设置差异很大,但底层机制是同一套。

第二层:全局风控——留给极端情况的核按钮

头寸级针对的是个体,全局风控针对的是系统性事件。比如第三方数据源大面积异常、核心撮合引擎故障,或者平台发现存在跨用户、跨标的的攻击模式。这种时候需要的是无差别停止一切交易动作的能力。柬埔寨、菲律宾、老挝这些市场的基础网络环境时有波动,全局开关在这些地区客户的后台里使用频率比想象中高。老挝客户的机房曾因雷暴天气导致部分服务间歇性不可用,运营在后台把全局冻结打开,等机房恢复后再逐步放开,整个过程没有产生新的错误订单。

具体做法是两层配合:

  • 全局冻结开关:配置中心下发一个global.trade.freeze布尔标记。各服务在请求入口处通过Guava Cache本地缓存该标记,刷新周期100ms。开关置为true后,所有交易、下单、支付入口直接返回全局冻结异常,请求不再穿透到业务层,底层服务不会因为雪崩效应被冲垮。选Guava Cache而不是每次请求都查配置中心,原因很简单:配置中心本身也可能成为故障点,本地缓存能保证即使配置中心短暂不可用,开关状态依然可读。
  • 紧急停止操作:运营后台提供一键触发入口。底层更新数据库sys_config表并发送配置刷新事件。这个操作必须经过双因素认证,并且完整记录到不可篡改的审计日志中。双因素认证是客户明确提出来的要求,因为全局冻结影响面太大,不能只靠一个密码就按下去。

100ms的本地缓存刷新周期意味着从运营点击按钮到各服务入口感知到变化,有一个确定的延迟上限,这是设计时反复和客户确认过的取舍:刷新太快会增加配置中心压力,太慢则失去"紧急"的意义。物流和地产类系统里也保留了这套开关设计,虽然触发频率远低于交易类,但客户要的就是极端情况下手里有个确定能按下去的东西。

第三层:订单级风控——人机结合的审核流

订单是交易的最小原子单位。全局和头寸层解决"要不要拦",订单层解决"怎么拦、拦了之后怎么办"。这一层在娱乐和金融交易类项目里用得最多,因为这两个行业的订单形态最复杂,机器规则覆盖不到的地方必须有人工介入。竞技预测类平台的订单审核流是典型场景,运营团队有专门的人盯着审核台,高峰时候一个班次要处理几百条待审订单。

这一层的核心是一套人机结合的审核工作流:

  • 限价订单审批/拒绝:订单进入基于RocketMQ延时消息实现的待审队列后,风控引擎按预置规则自动打标。命中高危标签的订单落入risk_pending_order表,推送到运营审核台。审核通过则回调交易引擎继续执行;拒绝则释放冻结资金并通知客户端。人工介入的位置精确到"订单"这一级,不影响其他正常订单流转。用RocketMQ延时消息而不是定时任务轮询,是因为订单量上来之后轮询的数据库压力非常明显,改成消息驱动之后待审表的查询负载下降了一个量级。
  • 修改订单价格:管理员在审核台提交价格修正后,系统生成一条ORDER_MODIFY类型的补偿指令,并在原订单上打修正标记。旧值、新值、操作人、时间戳全部落库,对账时可以完整回溯每一笔改动。这个功能是客户上线后追加的,最初需求里只有通过和拒绝两种操作,后来运营发现有些订单直接拒绝会引发用户投诉,改成允许修正价格后重新进入流程。
  • 修改订单数量:逻辑与改价类似,但多一步头寸联动——先释放原占用持仓,再按新数量重新占用,整个过程原子化完成,避免资产敞口出现短暂不一致。这一步最容易出错的地方在释放和重占之间的时间窗口,如果中间有并发请求进来,可能读到旧的头寸数据,所以必须放在同一个事务边界内处理。

人工审核不是效率瓶颈,而是给复杂判断留出空间。机器处理不了的模糊场景,由人来兜底;人能处理的每一笔操作,都有完整的机器记录。客户对"记录"的要求比我们预想的高,有些运营团队会定期导出审核记录做内部复盘,字段少一个都会被提出来。

第四层:金融风控——盯住资金进出的每一道口

这一层守的是平台资金池的出入水口,也是反洗钱和合规运营的关键环节。涉及入金、出金、信用借贷和模拟资金流四类操作。支付通道本身由客户提供资源,我们团队负责对接,但通道之上的资金风控逻辑是我们系统内闭环处理的。客户给什么通道我们就接什么,通道本身的合规性由客户负责,我们的工作在通道接入之后的风控规则上。

  • 入金/出金审核:所有出入金请求先落预处理表。风控服务基于Flink实时计算出的用户画像生成风险评分,特征包括近30笔交易偏差、IP跳变频率等。低于门槛分的自动放行;高于门槛分的进入人工审核,运营可执行通过、拒绝或金额修改。修改金额时系统保留完整的资金流向记录,确保账务始终平衡。Flink这部分在早期项目里用的是定时批处理,后来发现实时性不够,有客户反馈过"用户出金之后才触发风控"的情况,改成实时计算后这类反馈没有再出现。
  • 借分(信用借贷)管理:针对竞技预测类平台,借分是独立于充值的一条资金通道。运营可对用户进行借分额度调整,底层通过TCC分布式事务保证借分操作与账户余额变动的最终一致性。TCC的Confirm和Cancel逻辑要单独写,开发量比普通事务大,但换来的是中间状态可查询、可恢复,这在账务系统里是刚需。
  • 模拟订单创建:用于压力测试或对账异常修复。模拟订单带simulated:true标记和独立订单号前缀,不参与结算、不产生真实资金流,但可以走完完整业务链路,用来验证系统在特定场景下的健康度。这个功能最早是为了排查一个对账差异问题做的,后来发现客户自己的测试团队也在用,就保留成了标准功能。

金融风控的难点不在于"拦",而在于"拦得准、记得清"。每一笔被拦截或修改的资金操作,都要能回答三个问题:谁操作的、为什么操作、钱最后去了哪里。这三个问题答不上来,客户的对账团队会直接找过来。经历过凌晨被拉起来查一笔出金记录的情况,从那之后审计字段的设计就再也没省过。

第五层:系统安全——防御边界与溯源能力

前四层管的是业务风险,第五层管的是攻击风险——来自黑产的外部攻击,以及内部人员的异常操作。东南亚市场的黑产活跃度不低,尤其涉及在线交易和资金流动的平台,撞库、爬虫、SQL注入这些几乎每天都有人尝试。菲律宾客户的系统上线第一周,就有人在后台登录页撞库,日志里能看到明显的批量尝试行为。

  • 速率限制:Nginx层配置每IP每5秒10个请求的基础限流,基于令牌桶算法。核心API再叠加网关层的用户级分布式限流,Redis存储令牌计数,防止爬虫和撞库穿透到业务系统。参数不是拍脑袋定的,是上线后根据实际流量调过几轮的:太严会误伤正常用户,太松又拦不住撞库脚本。
  • 黑客访问追踪:安全拦截器记录所有异常请求——SQL注入片段、XSS脚本、非正常User-Agent——上报ELK。Logstash通过Grok规则解析出攻击指纹,聚合展示在安全仪表盘上,并支持自动封禁源头IP。刚部署ELK那会儿Grok规则写得太宽,大量正常请求被标记成可疑,安全仪表盘上全是噪音,后来收紧规则才变得可用。
  • B-加密系统:投注单、结算单等核心数据在传输中采用"非对称交换密钥+对称加密体"的混合模式。即使内网流量被旁路抓取,拿到的也是密文,中间人攻击无法直接读取数据内容。这个方案是客户的安全团队提出要求后我们实现的,非对称部分用RSA交换会话密钥,对称部分用AES加密业务数据体,两边各管一段。
  • 全量操作审计:管理后台所有写入操作通过AOP切面拦截,方法入参、返回值、操作人、IP、时间戳异步写入基于InfluxDB的审计集群,保留期不少于1年,支持按时间和操作人快速检索。异步写入是为了不影响主业务响应时间,但代价是极端情况下可能有少量审计日志延迟落库,这个取舍在交付文档里明确写给了客户。

系统安全层的设计原则是:外部攻击要有防御纵深,内部操作要有完整痕迹。审计日志的完整性经常是客户验收时逐条核对的点,有些客户会自己写脚本去查审计表,看字段是否齐全、时间戳是否连续。

运营怎么用这套东西:规则引擎与参数配置

五层架构里的所有阈值、开关、审核节点,最终都通过统一的风控规则引擎暴露给运营方。规则引擎基于JSON规则树,运营人员可以在后台可视化编排,不需要写代码。客户那边实际用的人往往不是技术背景,所以这个后台的交互改过很多版。最早一版是给开发用的,界面上全是字段名和JSON编辑器,客户运营看了直摇头。后来改成表单式的配置界面,加了下拉框和提示文案,才算能交付。

规则名称配置项示例值说明
大单拦截单笔金额阈值≥10,000触发人工审核阈值由运营按平台实际用户结构设定,无统一标准
短时高频时间窗口/操作次数60秒内下单>5笔触发验证码窗口和次数均可调,不同平台差异大
反向竞猜监控胜率偏离度过去20笔胜率<10%且金额递增自动冻结示例参数仅作演示,实际以运营配置为准

规则修改实时或准实时下发,不需要重启服务,业务无感知。表格里这三条只是举例,实际客户会把阈值调得千差万别,有些平台的大单门槛设得很低,有些平台的高频窗口设得很宽,完全取决于他们的用户结构和风险偏好。

团队在金边,28人,中文沟通,TG分钟级响应。做过电商、娱乐、金融交易、地产、物流五个行业的系统,电商类有开箱即用的成品,其他行业按功能清单评估开发周期——小项目几天,大项目约2个月。支付通道由客户提供资源,我们负责对接。系统bug修复免费,新增功能按工作量收费。付款方式为先付30%,验收后结清尾款。报价不在这里写具体数字,面谈或TG详谈,按功能清单逐项评估。