mirror of
https://gitee.com/freshday/radar.git
synced 2024-12-04 12:57:46 +08:00
50 lines
2.8 KiB
Markdown
50 lines
2.8 KiB
Markdown
# 风控引擎（Radar）
|
||
## 项目介绍
|
||
## 实时风控引擎，实时可配置，规则配置即时生效。
|
||
### a real-time risk analysis engine, real-time update the config, real-time effect, anti-fraud transaction is perfect, project code is Radar, like the code, Radar like an eyes which look the transaction automatic.
|
||
|
||
## 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进行升级，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，单页面应用
|
||
后端采用： SpringBoot + Mysql + MongoDB + Redis + Groovy
|
||
---
|
||
前端采用： React(SPA)
|
||
|
||
## 技术选型
|
||
Springboot：笔者是java 出生， 选择 Springboot 理所当然，全家桶确实方便。
|
||
|
||
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
|
||
|
||
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。
|
||
|
||
## 名词解释
|
||
### Model: 模型
|
||
用户行为事件， 例如：注册，登录，购买，提现。。。
|
||
### 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: 反应堆
|
||
一个模型可以定义多个 activation,每个activation都可以独立配置规则，
|
||
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 进行检测。
|
||
|
||
## Contact to
|
||
Copyright by feihu wang,
|
||
Any Question mail to wfh45678@163.com , qq 240159429 |