摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
1 绪论 | 第13-16页 |
1.1 研究背景 | 第13页 |
1.2 国内外研究与应用现状 | 第13-14页 |
1.3 本文主要工作及技术 | 第14页 |
1.4 本文结构 | 第14-16页 |
2 相关技术研究 | 第16-25页 |
2.1 设备指纹 | 第16-19页 |
2.2 Memcached | 第19-20页 |
2.3 决策树 | 第20-23页 |
2.4 Drools | 第23-24页 |
2.5 本章小结 | 第24-25页 |
3 需求分析与总体设计 | 第25-35页 |
3.1 相关基本概念 | 第25页 |
3.2 需求分析 | 第25-33页 |
3.2.1 整体业务模型 | 第26页 |
3.2.2 风险模型管理业务模型 | 第26-27页 |
3.2.3 习惯模型管理业务模型 | 第27-29页 |
3.2.4 风险交易预警业务模型 | 第29-30页 |
3.2.5 风险交易处置业务流程 | 第30-33页 |
3.3 总体设计 | 第33-34页 |
3.4 本章小结 | 第34-35页 |
4 在线交易风险监控子系统的设计与实现 | 第35-76页 |
4.1 设计目标 | 第35页 |
4.2 系统整体架构设计 | 第35-42页 |
4.2.1 技术架构设计 | 第35-36页 |
4.2.2 逻辑架构设计 | 第36-37页 |
4.2.3 整体流程设计 | 第37-40页 |
4.2.4 部署架构设计 | 第40页 |
4.2.5 安全框架设计 | 第40-41页 |
4.2.6 日志体系设计 | 第41-42页 |
4.3 数据采集接.设计与实现 | 第42-46页 |
4.3.1 设备指纹数据采集 | 第42-44页 |
4.3.2 实时交易数据采集 | 第44-46页 |
4.4 风险监控规则抽象与实现 | 第46-50页 |
4.4.1 规则要素抽象 | 第46-49页 |
4.4.2 Drools规则实现 | 第49-50页 |
4.5 风险评估模型设计与实现 | 第50-55页 |
4.5.1 风险评分模型 | 第50-51页 |
4.5.2 风险监控模型 | 第51-55页 |
4.6 各模块设计与实现 | 第55-70页 |
4.6.1 管理模块 | 第55-58页 |
4.6.2 实时分析模块 | 第58-62页 |
4.6.3 缓存模块 | 第62-64页 |
4.6.4 实时数据模块 | 第64-66页 |
4.6.5 转储模块 | 第66-67页 |
4.6.6 预处理模块 | 第67-69页 |
4.6.7 定时任务模块 | 第69-70页 |
4.7 数据库设计 | 第70-75页 |
4.7.1 整体规范 | 第71页 |
4.7.2 开发规范 | 第71页 |
4.7.3 数据库主要表结构 | 第71-75页 |
4.8 本章小结 | 第75-76页 |
5 离线交易风险分析子系统的设计与实现 | 第76-88页 |
5.1 大数据平台架构 | 第76-78页 |
5.2 行为习惯模型抽象原理 | 第78-79页 |
5.3 行为习惯模型实现架构 | 第79-80页 |
5.4 日志数据批量采集模块 | 第80-83页 |
5.5 日志数据分析模块设计与实现 | 第83-87页 |
5.5.1 交易日志表:LOG_TRANS | 第84页 |
5.5.2 整合日志表:LOG_COMM | 第84-85页 |
5.5.3 Router日志表:LOG_ROUTER | 第85-86页 |
5.5.4 基于mapreduce的用户行为习惯分析 | 第86-87页 |
5.6 本章小结 | 第87-88页 |
6 系统测试与应用成效分析 | 第88-99页 |
6.1 系统测试 | 第88-93页 |
6.2 应用成效分析 | 第93-98页 |
6.2.1 规则抽象配置 | 第93-94页 |
6.2.2 用户习惯模型 | 第94-95页 |
6.2.3 黑白灰名单管理 | 第95-96页 |
6.2.4 交易风险预警 | 第96-97页 |
6.2.5 机器学习监控模型 | 第97-98页 |
6.2.6 社会与经济效益 | 第98页 |
6.3 本章小结 | 第98-99页 |
7 总结与展望 | 第99-101页 |
7.1 总结 | 第99-100页 |
7.2 展望 | 第100-101页 |
参考文献 | 第101-103页 |
致谢 | 第103-104页 |
攻读学位期间发表的学术论文目录 | 第104页 |