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前身是笔者前公司的一个内部研究项目，由于众多原因项目商业化失败，考虑到项目本身的价值，弃之可惜， 现使用Springboot进行重构，删除了很多本地化功能，只保留风控引擎核心，更加通用，更加轻量，二次开发成本低， 开源出来，希望能给有风控需求的你们带来一些帮助。

项目特点

• 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！

项目架构

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)

模型配置

新建模型

初次熟悉系统的时候建议选择使用 模板 创建模型。

字段管理

查看刚才新建模型的字段，通过修改和增加调整模型。

预处理字段

系统自带一些插件用来对原始字段转换处理。

特征处理

定义我们需要关心的指标。

Activation 策略集管理

整个风险的量化过程就在这里，模型的输出点，组合若干条特征，综合计分，通常定义两个分数线，一个是审核线（低分数表示需要人工审核，一个拒绝线，表示此交易可以直接拒绝）

构建模型

点击构建模型，Mongodb,ES将会为模型创建索引信息

模型激活

最后一定要点击激活按钮，大功告成！

模型建立好了，赶紧测试一下吧！

开源地址

• https://gitee.com/freshday/radar