魔爪文学

手机浏览器扫描二维码访问

第16章 深蓝的涟漪（第4页）

第三个，正常。

第四个——

路容的目光停住了。

这条数据的device_id，她见过。

就在刚才解密的第一个文件里，有相同的device_id，但timestamp相差三分钟。她翻回去对比，两个数据包的device_id完全一致，event_type都是“page_view”，但payload解密后的内容……

第一个：用户访问了网站a的首页。

第四个：用户访问了网站b的商品页。

同一个设备，三分钟内，访问了两个不同的网站。

这本身不奇怪，用户可能切换应用。

但路容注意到一个细节：两个数据包的来源ip不同。

第一个来源ip：203.112.89.76（深港市电信）

第四个来源ip：103.215.44.128（境外，新加坡）

同一个设备，三分钟内，ip地址从深港市跳到了新加坡。

不可能。

除非……

路容盯着屏幕，心跳微微加速。

除非这个device_id不是真实的设备标识，而是经过某种映射或伪造的id。或者，数据来源本身就有问题——可能混合了多个渠道的数据，没有做好去重和归一化。

又或者，这些数据根本不是实时采集的，而是从某个数据仓库里批量导出，重新打包加密后，伪装成实时数据流。

她继续查看。

又发现了几个类似的案例：相同的device_id出现在不同的来源ip，时间间隔很短，访问行为不连贯。

还有一批数据，timestamp的时间顺序是乱的——晚发生的事件，时间戳反而比早发生的事件更早。

以及一些payload解密后，json结构虽然正确，但某些字段的值明显异常：页面停留时间999999秒，滚动深度-1，按钮点击坐标9999，9999……

路容把这些异常案例记录下来。

然后，她开始修改过滤规则代码。

针对device_id异常跳变的情况，她加入了一个检查：如果同一个device_id在十分钟内出现在地理距离不可能达到的ip地址（比如深港市和新加坡），就将这两个数据包都标记为“设备标识可疑”，进入人工审核队列。

针对timestamp乱序的情况，她加入时间戳合理性校验：如果数据包的时间戳比系统当前时间还晚，或者比同来源的前一个数据包早太多，就标记为“时间戳异常”。

针对字段值异常的情况，她加入数值范围检查。

每一条规则，都有合理的技术理由。

每一条规则，也都可能误伤正常数据。

但路容把误判的概率，控制在了一个“可接受”的范围——根据她写的测试用例，误判率大约在0.3%到0.5%之间。对于tb级别的数据流，这意味着每天会有数万个数据包被错误地标记为异常。

而系统告警的阈值，她设置为：同一数据源，异常率超过1%，持续五分钟，触发告警。

如果她的规则误判率是0.5%，正常数据流的异常率可能只有0.1%或更低，那么整体异常率不会超过0.6%，达不到告警阈值。

除非——

数据源本身的异常率就很高。

或者，有人故意往数据流里注入异常

;数据包。

路容写完最后一段代码，保存。

时间已经是下午六点。

窗外天色渐暗，城市的灯光再次亮起。她站起来，活动了一下僵硬的肩膀。颈椎发出轻微的咔哒声。她走到窗边，拉开窗帘。

深港市的夜晚，繁华而冷漠。

远处星耀集团的写字楼，依然灯火通明。不知道周哲还在不在办公室，不知道李剑此刻在做什么，不知道那些加密数据包，此刻正从世界的哪个角落，流向星耀的服务器。

路容回到书桌前，将代码提交到测试环境。

系统提示：代码审核中，预计两小时内完成。

她关掉电脑。

煮了碗泡面，加了鸡蛋和几片青菜。面条在沸水里翻滚，热气蒸腾，带着浓郁的调味料气味。她端着碗坐在床边，慢慢吃。

手机安静地躺在桌上。

晚上八点，代码审核通过。

测试环境开始部署新的过滤规则。路容重新打开电脑，登录监控面板。数据流曲线平稳，清洗流程各环节正常。她的规则模块显示“运行中”，处理计数开始累积。

晚上十点，处理数据量超过500gb。

异常标记数量：1274个。

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。