风控引擎（Radar）

项目介绍

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.

背景

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。

项目架构

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)

架构图

技术选型

• 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

名词解释

Model: 模型

用户行为事件， 例如：注册，登录，购买，提现。。。

模型三要素

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。

PreItem: 预处理

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

Abstraction: 特征

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。。。

Adaptation: 机器学习模型适配器

使用训练好的机器学习模型，进行检测

Activation: 激活点

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。

Rule: 规则

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。

演示入口

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

帮助手册

https://github.com/wfh45678/radar/wiki/manual

未完待续

小迭代

• 集成嵌入式redis版本，本地调试的时候就不用再单独部署redis
• 集成 JWT(JSON WEB TOKEN)，前后端分离标准化

重大特性

• 支持机器学习
• 数据分析平台

Contact to

微信（nicedream7758）扫码加群一起交流
Mail to wfh45678@163.com

Copyright by XWF