非实时的防控场景

相比于实时防控，非实时防控一般是涉及复杂耗时计算的风险识别。比如图片，视频，音频等需要各种算法、模型分析的场景。

防控方式则是基于消息的异步防控。

例如我们往网上发布一篇日记，很多时候时候是直接发出去了，但是后面因为违规会被下掉，提醒有风险（先发后审），这通常也需要能快速识别到风险，以加少风险暴露的时常。而有些时候则是等待审核，而后才发出去（先审后发），这也需要快速判断，提升用户的体验效率。

比如一个常见的防控流程可能如下：

这里面就会有各种技术挑战了

1. 跑很多算法，会出现可能某些算法跑了相同的内容，比如一张图片可能有不同的算法模型，但是会有相同的图片特征处理逻辑，重复处理显然是一种浪费。

   • 所以算法任务是不有一些聚合处理，分散处理的逻辑，尽量是相同处理只处理一次，节省资源

2. 其次是需要开发一套流程编排体系，让用户所见即所跑，清楚看到跑了什么，最后能识别到什么风险。

   • flink的任务流是一个不错的选择
   • 也可以参考CompletableFuture的异步回调，组成任务DAG

3. 另外需要一个大宽表的存储系统，因为非实时场景下，不同特征获取到的时序是不一样的，所以需要有一个收集汇总的地方。并且防控也可能要多轮，或者后续有大模型分析，这也需要沉淀下来。