风控其实很简单。只有两个点：风险识别 治理风险
风控识别是决定了整体的风控效果，治理风险这是根据业务需求去控制一个平衡。
风险识别:注重的是对用户与行为两个维度去进行识别。
用户这个维度我们可以理解，我们对用户的每一个信息做两种评分。
定义为信任值与风险值。通过两个评分系统判断用户
主要数据：
用户个人信息：年龄，性别，学历，收货地址，收货联系方式等（如年龄偏小，以及女性更易被骗）
用户设备信息：设备型号，网络类型，IP所在地等（如某些老款机型，相对偏僻的地区用户因信息了解过少可能会存在风险较高的情况）
用户交易信息：历史交易类目，历史交易信息，用户评分，成功交易次数等（一次都没有交易的用户更容易被骗）
用户在其他渠道的交易信息：如淘系产品，支付宝使用记录等（网购相对较少的用户可能被骗）
社会化信息：芝麻信用分值，芝麻信用使用记录等（芝麻信用分较低或者是使用记录少的可能更容易被骗）
我们收集尽可能多的用户相关数据，使用风险模型，针对这类用户进行打分，然后对于不同的分值的用户在不同的场景下使用不同的策略。如分值超低的用户在进入将要唤起交易的时候，强制观看防骗内容甚至要求答题等。
风险值就是说这种用户可能会去做恶、
我们根据上面的维度来计算用户的风险值，只是风险值的维度更加复杂。
已被标记为黑灰产的帐号这个肯定要重点关注的。用户的基础信息并不能有效地识别临时恶意用户，及众包恶意用户。（平时好好的，一下子就变坏了）这个时候我们往往就无法去做到策略控制，整个数值需要针对不同场景下去细化，因为你的策略也是基于各种场景去做的。
从用户的一些基本信息就可以判断出用户的风险情况静态的，在风控上存在漏洞。
因此我们还需要一个动态的风险等级，这个就是我们的行为判断。
以微信为例：用户行为其实就3种：建立联系 内容展示 互动聊天
建立联系：主要是以通讯为主的APP 肯定是熟人联系，如果一个用户频繁与全国各地用户建立联系且无共同联系人，显然这个是有风险的，或者说一个用户与某一个群体建立联系（如女性 学生 老人 等等）
内容展示：个人资料 朋友圈 。这个违规信息 敏感词等等
社交：频繁被删除 拉黑，不良言论，违规违法等
我们通过对用户各种行为打分，判断用户行为中某一个场景的风险值，以及这个行为的总风险值，
类如：朋友圈被频繁举报 屏蔽，风险值较高 我们就可以限制其朋友圈功能嘛
建立联系风险值较高我们就可以限制其添加好友功能嘛
当然我们做风控一定要把重点放到事前。尽量不要让用户受到伤害。行为风控已经算是事中事后了。
所以用户与行为评分是一体的。做前后呼应，相互验证。
在字节那会我们很少强制封号，对业务伤害太大，除非认定为黑产账号。 做风控尽量让用户无感，因为抖音他的行为较少所以这个就很简单。
