同步操作将从 Radar/radar 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
实时风控引擎,可视化编辑,规则配置即时生效。 开箱即用!!!开箱即用!!!开箱即用!!!
A real-time risk analysis engine,which can update risk rule in real-time and make it effective immediately.
It admirably applies to the anti-fraud application.
The project code called Radar, like the code, monitor the transaction at the back.
伴随着移动互联网的高速发展,羊毛党快速崛起,从一平台到另一个平台,所过之处一地鸡毛,这还不是最可怕的, 随之而来的黑产令大部分互联网应用为之胆寒,通常新上线的APP的福利比较大,风控系统不完善,BUG 被发现的频率也比较高, 黑产利用BUG短时间给平台带来了巨大的损失,某多多的(100元测试优惠券,一夜损失上百万W)就是一例。 针对这一现象, 拥有一款实时的风控引擎是所有带有金融性质的APP 的当务之急, Radar 应景而生,Radar本来是笔者前公司的一个内部项目,公司现在不复存在,考虑到项目本身的价值, 现在使用Springboot进行改造,并删除了很多本地化功能,只保留风控引擎核心,更具通用型,二次开发成本低。
前后端分离架构
后端技术框架: SpringBoot + Mybatis + tkMapper + Mysql + MongoDB + Redis + Groovy + Swagger
前端技术框架: React(SPA)
Springboot:笔者是java 出生, 选择 Springboot 理所当然,方便自己, 也方便其他Java使用者进行扩展。
Mybatis + tkMapper: 持久层框架, tkMapper 提供mapper 通用模板功能,减少重复代码的生成。
Mysql : 本项目中关系数据库的作用不大,主要用于存放 风险模型的元信息。
MongoDB: 用于存放事件JSON, 提供基本统计学计算(例如:max, min, sum, avg, ), 复杂的统计学概念(sd,variance, etc...)在内存中计算。
Redis: 提供缓存支持,利用发布订阅特性监听配置更新
Groovy: 脚本引擎,风控规则最后都生成 groovy 脚本, 可以动态配置,即时生效。
Swagger: Rest API 管理
用户行为事件, 例如:注册,登录,购买,提现。。。
也就是事件行为三要素,风控系统的核心定义:事件流水ID(例如:交易流水号),实体ID(例如:userId),事件发生时间(例如:交易时间), 简单来说就是谁什么时候做了什么事。
像IP,手机号码段等事件属性,可能无法直接计算,通过预处理插件 转换成 其他格式, 例如:ip 可以通过IP 插件变成位置和地址
特征工程,例如用户小时交易次数,IP 一天交易金额,设备一小时交易次数。。。
使用训练好的机器学习模型,进行检测
概念类似于机器学习里面的 (Activation Function), 一个模型可以定义多个 activation(相当于不同维度的检测报告),每个activation都可以独立配置规则,单独打分。 例如,用户注册行为, 可以定义:异常注册, 垃圾注册, 可以输出多个activation。
在计算 abstraction 和 activation 之前,需要先检查数据是否正常,检查就是按照rule 配置进行检测。
演示Demo只提供管理端配置功能,暂时不提供引擎计算功能。
Demo URL: http://radar.pgmmer.top admin/123456
https://github.com/wfh45678/radar/wiki/manual
微信(nicedream7758)扫码加群一起交流
Mail to wfh45678@163.com
Copyright by XWF
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。