本文详细阐述潜在异网成员识别模型的建设背景、构建思路、核心实施过程及核心说明，围绕种子用户筛选、通话数据处理、核心关系判定及对照数据设计展开，兼顾技术落地性与逻辑完整性，补充模型建设的业务价值与应用场景，适配技术分享场景，为相关从业者提供可参考的模型构建思路与实践方案。

逻辑清晰，可解释性强：从业务异常特征出发，四大监测维度覆盖时间、空间、业务量、用户反馈，每个维度的判断逻辑、阈值设定均基于业务经验和历史数据，无需复杂的算法支撑，运营人员可快速理解、高效使用；灵活可配置，适配性强：阈值、监测范围、调度频率均可根据业务变化动态调整，可适配不同区域、不同类型渠道的监测需求，避免“一刀切”的监测模式；闭环落地，价值凸显：输出结果直接对接运营核查流程，形成“监测-预警-处

因为Mac系列的M1芯片安装的VMware虚拟机在安装Kylin时，总是黑屏，所以试了其他的虚拟机，但是都不太成功，最后在UTM虚拟机上安装成功，记录一下安装过程。