如何向大家展示自己的工作成果-风控引擎
风控引擎是什么？
风控引擎需要有哪些功能？
如何评估一款引擎的优劣？
业务接入
规则判定
执行决策
总体架构
表达式是
规则引擎的应用场景主要包括以下特点：
流程分支非常复杂，条件判断非常多，常规的（if…else）编码难以实现，维护成本高。
不确定性需求非常多，频率非常高，随时都可能发生业务变更。
业务规则变更要求实时生效。
业务变更不依赖开发人员，可以由相关业务人员直接进行业务变更。
Groovy脚本引擎
选择核心的规则表达语言和规则执行引擎
进行策略的执行顺序：
在资源充足的前提下，一般来说策略的执行都是并行执行的，但是在一些情况下也会要求策略有先后的执行顺序。比如有些策略会依赖一些第三方数据源，这些数据在调用的时候就会产生成本，我们常见的有银行卡四要素、手机三要素等等。
所以有的时候为了节省成本，会将这些策略执行顺序后置，当前面的策略已经足够产出明确的结论时（比如拒绝这次申请/发帖等），就无需执行后续策略。在运算资源上也是同理，会优先执行对运算资源消耗小的策略。
Drools介绍
例子：
事实
今天12:00，mid为10的用户购买了大会员，当时的IP地址为127.0.0.1
基本概念：
场景
在一个场景（Scene)下，会持续不断的发生风险事件(Event)。
这些风险事件
风险事件
风险等级
规则
因子
决策
特征（因子）类型
- 参数因子
- 最
- 表达式因子
- 由参数因子以及其他因子衍生而来
- 累计因子
- 事件在时间纬度上的聚合
风控的一些基本概念
风控引擎的总体架构
在线打击与离线打击如何协作
执行决策
第二部分 Gaia管理后台展示
系统设计部分
引擎与策略同学的协作流程
有哪些模块，以及模块之间调用关系？
rule（规则）, factor（因子）
lib(名单库), finger-job（设备指纹）
decisions-job（决策） filter-job（过滤）
gaia-job （异步）
第三部分 规则&因子的预编译 与 执行
开发期间遇到的问题：
多个规则并行执行时，如何减少
AST（抽象语法树）
定义：
任何一个表达式，都可以解析为一棵AST
生成：
- 词法分析（对表达式进行Scan, 切分为Token数组）
- 语法分析（将词法分析出来的Token数组转换成树形结构)
例子：
抽象语法su
生成：
预编译：将因子表达式处理为叶节点为参数因子的AST数
A = B + 10
B = C + 10
AST的几种节点类型：
identifier符号 （函数 + 变量)
表达式递归展开成为AST
- 如果节点为符号,并且符号为变量，则递归
- 否则，后序遍历
- AST的递归展开
- AST后序遍历，计算Hash值
- 将AST转换为DAG
- 顶点：树节点的hash值
- 边：节点与节点之间有依赖关系
- 顶点的入库：该顶点有几个依赖的节点
执行阶段
基于Hash值的图合并
合并图的拓扑排序
图的分层执行与结果缓存
因子的值获取
累计抽象
指标计算可以抽象总结出以下几个固有特征：
时间窗口
事件
过滤条件
主属性
副属性
聚合逻辑
第四部分 未来规划
实时数据的拓宽
- 因子特征的精细化监控
（1）细化因子的类型
（2）因子的完整度
以数据为中心
泰山感知
定期输出各指标的性能、数据量、成本等情况，指导实时指标计算系统优化的方向。对于不再使用的指标，及时进行下线清理。
中长周期累计因子
挑战：低区分度，长周期，UV类型聚合
Flink…
累计因子超出阈值后的回扫操作
规则优先级
特征获取成本 与 执行耗时 的权衡
https://www.jianshu.com/p/f4d4e2a4f88c
《Scikit-Learn与TensorFlow机器学习实用指南》
https://tensorflow.google.cn/tutorials/structured_data/time_series#baselines
tensorflow教程
