数字风控系统（Radar-轻量级的互联网实时反欺诈风控引擎）

现如今，互联网平台的风险也与日俱增，尤其是带有金融性质的平台，往往会受到一些互联网黑产灰产的关注。成熟的互联网系统，往往都会拥有风险控制系统，对一些风险行为和用户进行监控，预防风险，提前止损。

然而，不同的业务线中各做各的风控系统，会增加代码维护成本，一个统一的风控管理平台势在必行。同时，风控系统的核心，往往是一个规则引擎，通过对风险行为建模后配置规则来实现。Radar，就是这样一个易用的风控引擎。

Radar，是 freshday 在 Gitee 上开源的实时风控引擎与自定义规则引擎，仓库位于 https://gitee.com/freshday/radar，目前版本为 v1.0.8。

Radar 基于java语言，是使用 Spring boot MongoDB groovy Es 等框架搭建的轻量级实时风控引擎，适用于反欺诈应用场景，极简的配置，真正做到了开箱即用。通过本项目能快速了解风险的定义，进而量化风险 ，最后达到集中管理风险的目的。

Radar功能丰富，包括：

• 实时风控，特殊场景可以做到100ms内响应
• 可视化规则编辑器，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
• 插件化的设计，快速接入其它数据能力平台
• NoSQL，易扩展，高性能
• 配置简单，开箱即用

Radar采用前后端分离架构：

• 后端技术框架： SpringBoot Mybatis tkMapper Mysql MongoDB Redis Groovy ES Swagger
• 前端技术框架： React(SPA)

各技术用途如下：

• Springboot：Java Web 框架
• 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
• ES： 提供数据查询和规则命中报表服务
• 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

架构图如下：

Radar提供了可视化的配置后台，能够很方便地进行模型构建和规则配置。通过模块创建风险模型：

定义需要关心的数据指标：

并进行策略集管理：

Radar安装简单，下载代码后maven安装：

git clone https://gitee.com/freshday/radar.git mvn clean install

然后进行数据库的配置：

CREATE DATABASE IF NOT EXISTS radar DEFAULT CHARSET utf8mb4; # 初始化数据库 source radar-init.sql source radar-1.0.6.sql

项目启动还需要安装 redis 、 mongodb、elasticsearch，可以根据自身的开发环境自行配置。

两个启动项目的application.yml 都需要进行修改, 除了mysql配置外，在启动前还需要配置如下几个必要的选项：mongodb，redis，手机号码段文件，ip地址库：

mongodb: url: mongodb://localhost:27017/radar //mongodb mobile: info: path: D:/soft/moble_info.csv //手机号码段信息 ip2region: db: path: D:/soft/ip2region.db // IP地址库

然后启动即可：

# 运行服务端 cd radar-admin java -jar radar-admin.jar # 运行引擎端 cd radar-engine java -jar radar-engine.jar

后台入口为：

管理端入口：http://localhost:6580 默认用户：admin/123456 引擎端入口：http://localhost:6581

Radar 基于Java语言，是使用 Spring boot Mongodb Groovy Es 等框架搭建的轻量级实时风控引擎，适用于反欺诈应用场景，极简的配置，真正做到了开箱即用。其便捷的可视化配置方式，使得小团队也能快速上手，构建自有的风控系统。