一种实时交易反欺诈规则流实现方法技术

本发明专利技术公开了一种实时交易反欺诈规则流实现方法

【技术实现步骤摘要】
一种实时交易反欺诈规则流实现方法、系统、装置及存储介质


[0001]本专利技术涉及交易反欺诈领域，尤其涉及一种实时交易反欺诈规则流实现方法
、
系统
、
装置及存储介质
。

技术介绍

[0002]目前市面上常用的规则流实现框架主要有
Drools
和
ILOG JRules。Drools
是一个基于决策引擎的开源框架，用于开发和执行规则流
。
它支持业务规则的管理
、
决策表达式的定义和推理引擎的执行，具有高度可扩展性和灵活性
。Drools
使用基于规则的编程语言，即
Drools Rule Language(DRL)
，用于定义规则和规则流
。DRL
是一种声明性语言，允许开发人员以规则的形式表达业务逻辑和条件
。
它支持丰富的语法和操作符，可以编写复杂的规则和条件
。ILOG JRules
是一个商业化的决策引擎，提供了规则管理
、
编辑
、
调试和执行的功能
。
它具有可视化的规则建模工具和强大的决策引擎，广泛应用于企业决策管理系统
。
与
DRL
类似，
ILOG JRules
也有一种用于定义规则和规则集的规则语言，即
ILog Rule Language(IRL)。IRL
是
ILOG JRules/>的核心组成部分之一，用于表达业务规则和条件，并将其转化为可执行的决策引擎代码
。
[0003]不管是
Drools
还是
ILOG JRules
都不可避免的需要对其规则语言
(DRL/IRL)
进行学习和理解
。
对于初学者来说，上手可能需要一定的时间和精力来熟悉整体的概念
、
语法和工作流程
。
这种复杂的规则语言定义对于使用者来说学习门槛较高且学习曲线陡峭
。
所以，由于规则语言的特殊性，一些规则的表达可能难以理解或阅读
。
特别是对于非技术人员来说，理解规则的意图和逻辑可能会变得困难，从而降低规则流的可读性和可维护性
。
此外
ILOG JRules
在处理大规模复杂规则流时面临一些可扩展性限制，当规则数量庞大或规则逻辑复杂时，并不能确保规则流能够正确合理的编写落地
。
最后，当决策引擎执行规则时，调试可能会变得困难
。
规则流中的每个节点以及每个条件结果无法跟踪，以至于编写完成的规则流难以调试修改
。

技术实现思路

[0004]本专利技术目的在于针对现有技术的不足，提出一种实时交易反欺诈规则流实现方法
、
系统
、
装置及存储介质，使用
java
语法定义规则描述语言，减少使用者在编写规则流的学习门槛，增加规则的可读性和可维护性
。
提供自定义方法，提升规则的扩展性，解决复杂规则无法编写落地的问题
。
提供规则执行条件结果，解决规则流难以调优修改的问题
。
[0005]本专利技术的目的是通过以下技术方案来实现的：第一方面，本专利技术提供了一种实时交易反欺诈规则流实现方法，该方法包括以下步骤：
[0006](1)
定义规则流执行的实时交易反欺诈事件以及定义实时交易反欺诈事件中的字段；
[0007](2)
定义实时交易反欺诈事件相关的规则流中需要的指标；
[0008](3)
配置规则流响应的规则节点并生成规则源码；
[0009](4)
决策引擎订阅规则源码；
[0010](5)
实时交易反欺诈事件流水推送决策引擎，并返回流水触发的规则以及每个执行条件结果
。
[0011]进一步地，步骤
(1)
中，定义规则流执行的事件字段包含事件编码和事件时间，另外能够定义可选字段，包括用户号
、
商户号和交易金额
。
[0012]进一步地，步骤
(2)
中，定义规则流中需要的指标前，需要先定义指标分组，指标分组需要定义分组名称，所属机构以及所属场景信息
。
[0013]通过页面指标模板或者配置型指标定义指标；
[0014]若通过页面指标模板定义，需要定义指标名称，指标编码，指标组，计算方式，指标描述，计算数据范围，维度，时间和对象；
[0015]定义指标后会生成计算脚本，生成的计算脚本会由指标计算引擎所订阅，以此来做后续的指标数据的累计；
[0016]复杂指标的定义能够使用配置型指标的方式，能够自由定义变量，字段，常量，外部数据，以及提供自定义方法做变量，字段的复杂处理，自定义方法由用户定义，方法遵循
java
语法，便于用户编写，校验和测试；
[0017]定义指标后即可定义规则流，规则流需要定义规则流名称，规则流编码，计算方式，所属机构，适用机构和决策事件
。
[0018]进一步地，步骤
(3)
中，规则流中的节点分为两种节点，一种为规则节点，一种为策略节点；规则流整体为树形结构，策略节点为树的叶子节点；
[0019]配置规则需要定义规则名称，条件逻辑关系，条件和维度映射；条件由指标或字段
+
表达式
+
阈值组成；
[0020]树的根节点为规则节点，规则节点后连接规则节点或者策略节点，策略节点后不可连任何节点，规则节点连接后续节点的连接线上定义触发或者不触发，连接线上为触发即为前面的规则节点满足要求，连接线上为不触发即为前面的规则节点不满足要求
。
[0021]进一步地，策略节点的属性有风险标识，风险等级，风险类型，验证策略，管控策略，通知策略和名单策略
。
[0022]进一步地，步骤
(4)
中，在页面定义完成规则流后，生成用
java
语言描述的规则源码；流处理引擎订阅到指标计算脚本逻辑，决策引擎订阅规则流以及自定义方法处理逻辑
。
[0023]进一步地，步骤
(5)
中，交易反欺诈事件的执行业务流水推送到决策引擎，决策引擎返回触发规则流的结果，以及每个规则流节点的表达式的触发结果，通过触发结果能够更容易的调整决策流的阈值参数
。
[0024]第二方面，本专利技术还提供了一种实时交易反欺诈规则流实现系统，该系统包括数据前置组件，决策引擎，决策平台，数据库，流处理引擎，分布式缓存；
[0025]所述数据前置组件用于对接外部数据组件，将外部数据组件传递过来的数据进行数据清洗和数据映射，转化为标准的数据字段，提供给决策引本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种实时交易反欺诈规则流实现方法，其特征在于，该方法包括以下步骤：
(1)
定义规则流执行的实时交易反欺诈事件以及定义实时交易反欺诈事件中的字段；
(2)
定义实时交易反欺诈事件相关的规则流中需要的指标；
(3)
配置规则流响应的规则节点并生成规则源码；
(4)
决策引擎订阅规则源码；
(5)
实时交易反欺诈事件流水推送决策引擎，并返回流水触发的规则以及每个执行条件结果
。2.
根据权利要求1所述的一种实时交易反欺诈规则流实现方法，其特征在于，步骤
(1)
中，定义规则流执行的事件字段包含事件编码和事件时间，另外能够定义可选字段，包括用户号
、
商户号和交易金额
。3.
根据权利要求1所述的一种实时交易反欺诈规则流实现方法，其特征在于，步骤
(2)
中，定义规则流中需要的指标前，需要先定义指标分组，指标分组需要定义分组名称，所属机构以及所属场景信息
。
通过页面指标模板或者配置型指标定义指标；若通过页面指标模板定义，需要定义指标名称，指标编码，指标组，计算方式，指标描述，计算数据范围，维度，时间和对象；定义指标后会生成计算脚本，生成的计算脚本会由指标计算引擎所订阅，以此来做后续的指标数据的累计；复杂指标的定义能够使用配置型指标的方式，能够自由定义变量，字段，常量，外部数据，以及提供自定义方法做变量，字段的复杂处理，自定义方法由用户定义，方法遵循
java
语法，便于用户编写，校验和测试；定义指标后即可定义规则流，规则流需要定义规则流名称，规则流编码，计算方式，所属机构，适用机构和决策事件
。4.
根据权利要求1所述的一种实时交易反欺诈规则流实现方法，其特征在于，步骤
(3)
中，规则流中的节点分为两种节点，一种为规则节点，一种为策略节点；规则流整体为树形结构，策略节点为树的叶子节点；配置规则需要定义规则名称，条件逻辑关系，条件和维度映射；条件由指标或字段
+
表达式
+
阈值组成；树的根节点为规则节点，规则节点后连接规则节点或者策略节点，策略节点后不可连任何节点，规则节点连接后续节点的连接线上定义触发或者不触发，连接线上为触发即为前面的规则节点满足要求，连接线上为不触发即为前面的规则节点不满足要求
...

【专利技术属性】
技术研发人员：郭陈潇，余建浪，杨运平，鲁萍，邱婷婷，
申请(专利权)人：浙江邦盛科技股份有限公司，
类型：发明
国别省市：