Stripe 面試真題：越來越長的 Coding 題 —— 欺詐檢測系統 (Fraud Detection) 全流程復盤

Stripe 的技術面試在矽谷獨樹一幟：它不考 LeetCode 演算法題，而是考「在 45 分鐘內寫出一個能跑的微型系統」。

給不熟悉 Stripe 的朋友劃個重點：

• 時間緊： 全程 60 分鐘，除去寒暄，只有 45 分鐘 Coding。
• 解鎖模式： 題目分 Part 1, 2, 3... 必須做完前一個才能解鎖下一個（像闖關遊戲）。
• 環境： HackerRank，必須自己寫 Test Case。
• 標準： 完全不看重時間複雜度（O(n^2) 也沒事），但極其看重代碼可讀性、可擴展性以及 Edge Cases 的處理。

今天我們復盤一道**最新的 Fraud Detection（欺詐檢測）**真题，這道題文本量巨大，邏輯層層遞進，非常考驗候選人的心態和工程素養。

📋 題目背景：構建交易風控引擎

我們需要實現一個交易驗證系統，從 CSV 中讀取數據，經過多層過濾，最終輸出 Smart Report。

Part 1: Verify Transaction Data Integrity

任務： 基礎數據清洗。 從 CSV 字串中解析交易數據（通常包含 amount, currency, card_type, location 等 6 個欄位）。 邏輯： 驗證所有欄位是否為 Non-Empty。 坑點： 注意空字串 ""、只有空格的字串 " " 以及 null 的區別。Stripe 非常喜歡在這裡埋 Edge Case。

Part 2: High-Risk Rule Validation

任務： 引入硬性風控規則。 在 Part 1 驗證通過的基礎上，增加兩類檢查：

1. 金額規則： amount 必須在業務限定的 [min, max] 範圍內。
2. 支付方式規則： payment_method 不能在 blocked_method_list（如 prepaid_card）中。 輸出： 違反任意規則，標記為 SUSPICIOUS。

Part 3: User Behavior Matching (核心難點)

任務： 基於用戶畫像的動態檢測。 邏輯： 系統提供用戶的 behavioral_baseline（如常用國家、交易時段、平均金額）。 我們需要提取當前交易的特徵，並計算與 Baseline 的 Match Ratio。

• 如果匹配特徵數 / 總特徵數 < 50%，則判定為 behavior_mismatch。
• 判定： 標記為 SUSPICIOUS。

Part 4: Smart Fraud Error Reporting

任務： 優化報錯體驗 (User Friendly)。 之前的步驟只輸出模糊的 SUSPICIOUS，現在要求：

1. 具體化： 輸出具體的 Error Codes（如 AMOUNT_TOO_HIGH, BLOCKED_METHOD, BEHAVIOR_MISMATCH）。
2. 優先級： 如果同時命中多個錯誤，按系統定義的 Priority 輸出最多兩個錯誤碼。
3. 格式化： 若無錯誤輸出 OK。輸出結果需要 Column Alignment（對齊），方便人工審核閱讀。

---

💡 解題思路 (oavoservice 實戰指導)

1. 拒絕麵條代碼 (Spaghetti Code)，一開始就物件導向

Stripe 的題是「生長型」的。如果你在 Part 1 寫了一個巨大的 if-else 函數，到了 Part 3 你絕對會重構到崩潰。

oavoservice 建議結構：

class Transaction:
    def __init__(self, raw_line):
        # Part 1: 解析邏輯放在這裡
        self.data = self._parse(raw_line) 
        self.errors = [] # 存儲所有的 error codes

class FraudDetector:
    def __init__(self, config, baseline):
        self.config = config
        self.baseline = baseline

    def verify(self, transaction):
        # Pipeline 設計模式
        if not self._check_integrity(transaction): return
        self._check_risk_rules(transaction)
        self._check_behavior(transaction)
        
    def generate_report(self, transactions):
        # Part 4: 格式化輸出
        pass

2. 巧用 Set 和 Config 處理規則

在 Part 2 和 Part 3 中，規則可能會變。不要把 "prepaid_card" 這種字串 Hardcode 在邏輯裡。

Python

# Good Practice
BLOCKED_METHODS = {"prepaid", "virtual"}
if transaction.method in BLOCKED_METHODS:
    transaction.errors.append("BLOCKED_METHOD")

3. Match Ratio 的計算細節

Part 3 的 normalization 是考點。比如金額，Baseline 可能是區間 [100, 200]，而當前交易是 150，這算 Match。

Python

def _calculate_match_ratio(self, tx, baseline):
    matches = 0
    total_features = 3
    
    if baseline.min_amt <= tx.amount <= baseline.max_amt:
        matches += 1
    if tx.country in baseline.common_countries:
        matches += 1
    # ... 其他特徵
    
    return matches / total_features

4. 格式化輸出的對齊技巧

Part 4 要求 Column Alignment。不要手動算空格，Python 的 f-string 是神器：

Python

# {:<20} 表示左對齊，佔位20字符
print(f"{tx.id:<10} | {status:<15} | {error_msg}")

---

🚀 Stripe 面試通關秘籍

1. Test Cases 必須自己寫： 不要只依賴給的 Example。做完 Part 1 立刻寫：空行測試、缺欄位測試、非法字符測試。代碼裡最好留一個 run_tests() 函數。
2. 代碼可讀性 > 演算法： 變數名不要用 a, b, c。用 transaction_amount, is_blocked。面試官會一行行讀你的代碼。
3. 溝通 Prioritization： Part 4 的優先級邏輯 (Priority Queue 或簡單的 Sort) 要先和面試官確認：「我是應該展示最嚴重的錯誤，還是最早發現的錯誤？」

---

💼 oavoservice 如何助力 Stripe 面試

Stripe 的面試不僅是寫代碼，更是在考察你**「是否是一個成熟的工程師」**。

OA、VO 關鍵節點，交給更懂規則的人

與市面上模板化、外包化的服務不同，oavoservice 的所有支持均由具備真實大廠背景的學長本人全程參與，從最前期的簡歷包裝與崗位匹配，到 OA 輔助 / OA 代寫、代碼思路拆解與實時答疑，再到 VO 階段的面試輔助 與關鍵節點助攻，每一步都是親力親為，而非中轉或流水線操作。

在 VO 及技術面階段，我們會根據實時進度提供針對性的思路引導、問題拆解、代碼層面支持與臨場應對建議，確保表達邏輯、技術路徑與面試官預期高度對齊。整個過程以「穩定通過關鍵篩選節點」為目標，強調真實場景下的執行力與配合度，而不是一次性輸出或泛泛諮詢。

---

標籤： #Stripe #Stripe面試 #系統設計 #Coding面試 #VO輔助 #oavoservice #北美求職

---

需要 Stripe 最新真題庫與實時助攻？ 立刻聯繫微信 Coding0201，獲得核心技術支持。