2026年阿里巴大数据风险控制面试题详解.docxVIP

第PAGE页共NUMPAGES页

2026年阿里巴大数据风险控制面试题详解

一、选择题（共5题，每题2分，总计10分）

说明：以下题目主要考察对大数据风控领域基础概念、技术应用及业务场景的理解。

1.在大数据风控中，下列哪项指标通常用于衡量欺诈交易的概率？

A.交易金额

B.设备指纹相似度

C.用户历史行为熵值

D.交易时间与账户活跃度的偏离度

答案：D

解析：交易时间与账户活跃度的偏离度（如异常登录时间、高频交易时段异常行为）是风控中常见的欺诈检测特征。金额（A）是重要参考但非直接概率指标；设备指纹相似度（B）更多用于身份验证；历史行为熵值（C）反映用户行为复杂性，但偏离度更直接关联时间异常。

2.以下哪种模型在处理大规模稀疏数据时表现最优？

A.逻辑回归

B.支持向量机（SVM）

C.梯度提升树（GBDT）

D.因子分解机（FM）

答案：D

解析：FM擅长处理高维稀疏数据（如用户行为特征），通过因子分解挖掘特征交叉关系，优于GBDT（C）的树模型依赖特征排列；SVM（B）对稀疏数据不敏感；逻辑回归（A）需特征工程。

3.在反欺诈场景中，若模型误判大量正常用户为欺诈，最可能的原因是？

A.特征工程不足

B.样本不均衡

C.模型过拟合

D.阈值设置过高

答案：B

解析：欺诈数据通常占1%-5%，若模型仅学习少数欺诈样本，易导致对正