江临把那张写着【下一执行目标】的audit_log关掉，新建了一个空白的python文件。

minimal_leak_demo.

py

距离对方要求的24小时窗口期，还剩二十三个小时四十一分。

时间够用，但他没有任何懈怠的意思。

构造一个最小复现实验，听起来简单，做起来却是一桩挺讲究分寸的活。

第一，不能用平台提供的那3.

4Gb原始数据集的任何一个字节。

否则对方可以反咬一口，说他是利用了数据集本身的某种特殊结构在断章取义。

第二，不能太复杂。

如果脚本写得花里胡哨，依赖了一堆奇形怪状的库，对方的工程师在复核时光是配环境就要折腾半天，复核流程一拖，事情就容易被冷处理。

第三，必须锁死随机种子。

任何一个浮点数的微小波动，都可能被对方技术组归因于环境差异，进而拖慢复核流程。

江临盯着空白的代码窗口，思考了两分钟，然后开始动手，用numpy生成了一段由两个不同分布拼接而成的随机时间序列。

前八十个数据点，服从均值为零、标准差为一的正态分布，用来模拟训练窗口里平稳的市场行情。

后二十个数据点，被他人为地注入了几个三倍标准差以上的极端值，用来模拟测试窗口里突然出现的异常事件。

整个数据构造过程，不超过十行代码。

随机种子被锁定为42。

为了避免随机数生成器版本差异，他干脆删除了随机生成过程，直接把一组最小合成序列硬编码进脚本。

数字没有任何金融含义，只用于证明一个数学事实。

测试窗参与标准化，会系统性压低测试窗内极端值的异常分数。

数据准备好后，他在下方写了两个对照函数。

第一个函数叫leaked_scaler，完全照搬baseline第六十七行的逻辑。

把训练窗和测试窗合并，计算全局均值和全局标准差，然后做标准化。

第二个函数叫causal_scaler，严格遵守时间因果律。

只用训练窗的均值和标准差，去标准化测试窗。

然后，他让两个函数分别对同一份合成数据进行处理，把标准化之后的异常分数打印出来。

最后再加一行matplotlib画图代码，把两组结果叠在同一张图上。

代码总长不到四十行。

江临点击运行。
本章未完，请翻下一页继续阅读.........