P08 怎么防止刷单

面试题：电商/营销活动里怎么防止刷单（虚假交易、薅羊毛）？

思路：全链路风控，而不是单一手段

刷单的本质是"低成本批量伪造真实用户行为"，所以防刷要从身份、行为、频次、环境多个维度识别异常。

一、入口层：提高造假成本

• 注册/登录：短信验证码、图形验证码/滑块、人机校验；
• 实名认证：身份证、手机号、绑卡，增加批量注册成本；
• 设备指纹：记录设备 ID、IP、UA，识别同一设备大量换号；
• 新客判定：同一手机号/设备/收货地址只能享受一次新人优惠。

二、行为层：识别异常模式

• 频次控制：同一用户/IP/设备下单频次限流（如 1 分钟内最多 N 单）；
• 时间分布：正常人下单时间分散，刷单通常集中在活动开始的短时间内；
• 下单特征：金额凑单、地址异常（集中到同一地址）、账号活跃度低却突然大量下单；
• 黑名单：历史刷单账号、IP 段、设备、收货地址进入黑名单，直接拦截。

三、策略层：规则 + 模型

规则引擎（硬规则，如频次/黑名单）→ 实时拦截高风险请求
机器学习模型（评分）→ 低分进入人工审核/限制权益

• 规则要轻、快，放在风控服务统一调用（避免每个业务各写一套）；
• 高价值权益（大额优惠券）加人工审核或延迟发放；
• 活动规则设计上限制：限购数量、优惠次数、领取门槛（如消费满 X 才能用）。

四、事后：处罚与追回

• 识别出的虚假订单取消优惠、拉黑账号；
• 建立对账/审计：活动结束后复盘异常订单，追回损失；
• 数据沉淀回流，优化风控规则。

加分点

• 风控接口要有低延迟要求（毫秒级），常用 Redis + 本地缓存做频次计数；
• 异步离线计算（如设备关联图）补充实时规则的盲区；
• 平衡误杀：宁可放走小部分刷单，也不能大量误伤正常用户（可设置申诉通道）。

一句话总结

从注册入口、设备指纹、行为频次、黑名单、风控规则模型多维度识别，前置拦截 + 事后追回，核心是提高批量造假成本、及时识别异常模式。