风控引擎（Radar）

项目介绍

一款基于java语言，使用Springboot + Mongodb + Groovy 等框架搭建实时风控引擎，适用于反欺诈应用场景。
A real-time risk analysis engine,which can update risk rule in real-time and make it effective immediately.
It applies to the anti-fraud application perfectly. The project code called Radar, like the code, monitor the transaction at the back.

项目特点

实时风控，特殊场景可以做到100ms内响应
可视化编辑，丰富的运算符、计算规则灵活
支持中文，易用性更强
自定义规则引擎，更加灵活，支持复杂多变的场景
特性插件化，快速接入其它数据能力
Nosql，易扩展，高性能
配置简单，开箱即用！

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，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，Engine 利用发布订阅特性监听管理端相关配置的更新
Groovy：规则引擎，风控规则最后都生成 groovy 脚本，实时编辑，动态生成，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。（who, when, what）

PreItem: 预处理

像经纬度，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:经纬度，ip 可以通过对应插件变成位置和地址，手机号码可以通过插件获取关联征信信息等。

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。

插件

为了通用性，项目自身并不提供关联数据能力，但是通过扩展插件来获得其它系统或者中间数据功能，目前项目自带手机号码和IP地址转换两款插件，理论上可以通过插件可以集成任何其它数据的能力，例如：如果商户自身带有内部征信，可以自定义一个插件用过用户ID来获取征信数据。

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

使用手册

使用手册里面有大量的图片，为了方便使用故推荐码云的wiki 链接,
https://gitee.com/freshday/radar/wikis/manual?sort_id=1637446

未完待续

小迭代

React 版本升级
用户注册功能，以后演示环境支持多租户
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
插件配置管理，可以集成其他中间件的数据能力
支持Flink，增加特征（abstraction）的提取基于Flink 的实现，以应对时间窗口相对较短，实时性要求更高的情况。

重大特性

支持机器学习
数据分析平台

Contact to

如果喜欢本项目，点下star支持一下, 让更多人看到，谢谢！
独乐乐不如众乐乐，微信（nicedream7758）扫码加群一起交流

nicedream7758 / radar Goto Github PK

radar's Introduction