CN110349015A - 基于三路引擎的反欺诈系统调优投产上线方法及装置 - Google Patents

Abstract

本发明属于反欺诈规则引擎技术领域，具体涉及一种基于三路引擎的反欺诈系统调优投产上线方法及装置，所述方法包括：首先，历史数据回放引擎可以将历史业务数据纳入统计体系，实现历史数据和实时数据的联动合并，全面挖掘历史数据价值，实现系统热启动；其次，规则调优测试引擎可以在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优，提高规则策略体系的准确率，降低误报率；最后，经过调优测试后的规则体系，可以实时上线到反欺诈实时处理引擎，上线时间极短，上线流程简便，无需更改代码，系统稳定性高。

Description

基于三路引擎的反欺诈系统调优投产上线方法及装置

技术领域

本发明属于金融数据处理技术领域，具体涉及一种基于三路引擎的反欺诈系统调优投产上线方法及装置。

背景技术

伴随互联网技术在金融领域的广泛应用，以及黑灰色产业链条的快速发展，怎样应对交易欺诈、信用卡欺诈、信贷欺诈等风险成为各家金融机构大力思考的问题。实时反欺诈规则引擎作为一种优良的欺诈风险识别工具，正在为越来越多的金融公司采用。反欺诈规则引擎经过多年发展，逐步形成了一套完善的体系方法，但是现在不少规则引擎在历史数据统计、规则测试、规则上线三个方面仍存在或多或少的问题。

首先，历史数据的适用问题。基于现有大多数规则引擎的系统实现机制，系统新配置的统计是不能够对已经发生的历史数据进行统计的，因此对于较长时间窗口的统计和基于这些统计的规则与实际相比是有较大偏离的。比如“过去三个月用户手机银行登录次数”，因为不能使用历史数据，所以客户的数据在前三个月与实际偏离，这会影响反欺诈系统投产初期的适用效果。

其次，规则测试问题。现行的规则测试大体包括两种方式。一，不测试直接上线；二、在测试环境利用假数据进行测试。这两种方式均会对生产环境带来技术层面和业务层面的风险隐患。不测试直接上线，技术上可能会造成系统宕机，业务延时等风险，业务上因为对规则效果完全没有评价，所以规则的准确性和误报率均不能控制。测试环境测试能够部分解决技术风险，但是测试环境的业务数据失真，也可能导致上线的规则与真实欺诈场景有较大差别的问题。

最后，规则上线方式问题。初期的规则引擎，大多采用单条规则通过代码写入业务系统的方式。这种上线方式，需要进行联调测试等，对技术人员依赖较大，涉及人员多，审批流程多，上线周期长，规则修改麻烦。后来规则引擎向业务人员放开了部分权限，业务人员可编辑部分规则参数，但对整体规则体系不能编辑修改。在这两种上线模式下，如遇突发情况，如黑产一旦突破某项规则，如不能快速上线修改，会对业务造成较大损失。

因此，如何构建一套可以将历史业务数据纳入统计体系，在不打扰业务流程的前提下利用实时业务数据进行调优测试，无需更改代码可以实时上线的反欺诈系统投产调优上线方法，本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了基于三路引擎的反欺诈系统调优投产上线方法及装置，适用于银行交易反欺诈系统、信用卡申请反欺诈系统及信贷审核风控系统等多种平台。

为实现上述目的，本发明提供如下技术方案：

一种基于三路引擎的反欺诈系统调优投产上线方法，所述方法包括：S1）将通过历史数据采集器提取历史业务数据，并将历史业务数据纳入统计体系，实现通过历史数据迭代快速上线行为指标和实时行为指标数据的整合为规则策略，全面挖掘历史数据价值，实现系统热启动；

S2）采用规则调优测试引擎在不打扰业务流程的前提下，利用实时业务数据对所述规则策略体行调优，提高规则策略体系的准确率，降低误报率；

S3）经过调优测试后的规则体系，实时上线到反欺诈实时处理引擎。

优选的，所述规则包括如下内容：

频繁登录1分钟内，同一客户累计5次尝试登录失败；

频繁登录1分钟内，同一客户累计5次尝试登录失败；

同一客户2:00点到4:00点，10分钟内登录次数（包含成功和失败）大于等于3 次；

同一客户连续3天，登录失败次数累计大于等于10次；

2小时内，同一IP/设备登录客户数大于等于10；

2小时内，同一客户登录IP/设备数大于等于3个；

如果否呵上述条件，则可认为疑似涉及欺诈，进行反欺诈。

所述风险场景有变是指：当所述反欺诈系统出现新的风险、新的欺诈、误报率高或准确度低的情况。

优选的，S1中的具体步骤包括：所述历史数据回放引擎的数据准备、历史数据回放和迭代结果反馈。

优选的，所述数据准备步骤包括：

S111，基于定时任务调度机制的数据同步程序，在一个合理的间隔上读入生产环境离线库的客户信息数据；

S112，将客户信息数据通过程序写入历史数据回放引擎；

S113，数据同步程序在合理的间隔上读入生产环境离线库的客户交易信息数据；

S114，将客户交易信息数据通过程序写入历史数据回放引擎。

历史数据回放引擎对于涉及历史数据的指标，可以很好的和现有数据指标进行联动，实现加总。对于反欺诈而言，可以更好的评价客户信用信息。

优选的，所述历史数据回放步骤包括：

S121，在历史数据回放引擎的管理系统中添加新的统计和规则；

S122，配置任务调度，在任务配置界面中决定本次运算包含的定制化特征，包括但不局限于风险交易起止时间、交易种类；

S123，申请开启任务调度，进行风险历史数据的分析；

S124，管理控制界面检查是否可以进行风险分析，若不能则提示给用户；

S125，若能够执行，则清理当前数据库的运行结果数据；

S126，执行任务调度，回放并分析所选范围交易数据的风险；

S127，分析同时记录完成交易风险分析结果；

S128，对交易分析结果进行检查和整理；

S129，如有需要冻结的对象，则进入冻结流程；所述冻结流程指模块和渠道侧账户系统对接，调用账户系统相关接口冻结该对象；

S1210，分析完毕后，标记结束调度，开放系统以便进行下次调度；或在进行下次调度之前，进入投产流程，将现有存储的统计指标有选择地同步到生产库；

所述投产流程指的是将解决方案发布上线正式接受数据的流程。

优选的，所述迭代结果反馈步骤包括：

S131，进入风险调查页面，选择某条风险数据；

S132，选择冻结内容；

S133，历史数据回放引擎管理系统向在线风险评估服务集群发送接口，请求冻结该实体；

S134，在线风险评估服务进行处理，完成后反馈结果；

S135，历史数据回放引擎管理系统在界面展示反馈结果。

优选的，S2中所述规则调优测试引擎在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优，提高规则策略体系的准确率，降低误报率；上线预处理体系，运用真实数据查看规则策略体系的有效性，检验通过率，召回率，准确率等多项指标；上线预处理，可以在不打扰实时业务的情况下，进行有效的规则调优。

优选的，在上述基于三路引擎的反欺诈系统调优投产上线方法中，历史数据回放引擎可以将历史业务数据纳入统计体系，实现历史数据和实时数据的联动合并，全面挖掘历史数据价值，实现系统热启动。

本发明的另一目的在于提供一种基于三路引擎的反欺诈系统调优投产上线装置，所述装置包括三路引擎模块；

所述三路引擎包括历史数据回放引擎，规则调优测试引擎和反欺诈实时处理引擎三个联动合并子引擎。

优选的，所述历史数据回放引擎包括历史数据回放引擎数据库、历史数据采集器、历史数据回放引擎管理系统和历史数据回放引擎统计模块。

优选的，历史数据回放引擎数据库存放历史数据回放引擎数据库的所有数据，包括交易定义、规则统计配置、交易数据、客户信息数据、历史数据重算产生的统计信息、规则命中信息等。在上述信息中，交易数据和客户信息数据的来源是现有风控系统的离线库，这些数据将通过历史数据采集器，有规律地同步到历史数据回放引擎数据库中。

优选的，历史数据回放引擎管理系统可以维护规则迭代库的系统配置，包括交易定义、规则统计配置等，同时也是查询和展示规则运行结果的窗口和界面。历史数据回放引擎管理系统最重要的部分是进行历史数据分析调度的管理与执行，将历史数据和规则配置进行融合，实现历史数据回放引擎最核心的业务价值。

优选的，历史数据回放引擎管理系统可以根据历史数据的运算结果，向在线风险评估服务发送数据接口，实现诸如客户、账户、商户对象的冻结功能。

优选的，历史数据回放引擎管理系统另具备向生产系统发起统计合并请求的功能，将当前测试结果的统计向生产系统进行合并。

优选的，历史数据回放引擎的统计服务将负责为历史数据的重算提供统计的更新与持久化服务。

优选的，在上述基于三路引擎的反欺诈系统调优投产上线方法中，规则调优测试引擎可以在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优，提高规则策略体系的准确率，降低误报率。

优选的，规则调优测试引擎，主要是为了解决利用生产数据评估规则有效性的问题。银行实时交易反欺诈规则一旦上线，对实际业务影响很大，如果规则效果不好，准确率低，误报率高，会对客户体验造成较大影响，所以银行上线规则是非常慎重。规则上线对系统的影响体现在两个层面。一方面技术上，规则计算会占用大量系统资源，规则的计算效率，并发率，需要保证。另一方面，规则对业务的影响，即规则的准确率和误判率，如果规则放过的坏人，和误报的好人偏多，对正常业务会带来不良影响。规则不经过测试，直接部署到生产系统，是不可行的。在测试环境用假数据对规则进行测试，技术层面的问题一般可以解决，但是业务层面的问题是很难解决的。因为测试环境的数据和生产环境的数据差别较大，在测试环境部署类生产数据的成本也偏高，所以也是不可行的。业务环境是不断变化的，规则也需要随着业务环境的变化进行改变。只有利用真实的生产数据对规则进行测试，才能兼顾技术层面和业务层面，实现规则有效性的检验。规则的调优，需要做到运用真实数据，但对数据没有打扰；能够快速更新迭代，稳定性高；能够同时切换多个版本，实现个性化控制。

优选的，在上述基于三路引擎的反欺诈系统调优投产上线方法中，经过调优测试后的规则体系，可以实时上线到反欺诈实时处理引擎，上线时间极短，上线流程简便，无需更改代码，系统稳定性高。

本发明具有的有益技术效果是：经由上述的技术方案可知，与现有技术相比，本发明构建了一套可以将历史业务数据纳入统计体系，在不打扰业务流程的前提下利用实时业务数据进行调优测试，无需更改代码可以实时上线的反欺诈系统投产调优上线方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为三路引擎流程框图。

图2为历史数据回放引擎和实时风险监控系统的关系框图。

图3为历史数据回放引擎的数据准备过程框图。

图4为历史数据回放流程。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种基于三路引擎的反欺诈系统调优投产上线方法及装置，请参阅附图1。系统数据分为三路，分别流向三个引擎，完成不同的功能。历史数据流向历史数据回放引擎，进行计算，计算后和规则调优测试殷勤以及反欺诈实时处理引擎中的数据进行合并；实时数据同时流入规则调优测试引擎进行规则调优，也流入反欺诈实时处理引擎，进行风险发现处置。历史数据回放引擎可以将历史业务数据纳入统计体系，实现历史数据和实时数据的联动合并，全面挖掘历史数据价值，实现系统热启动；规则调优测试引擎可以在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优，提高规则策略体系的准确率，降低误报率；经过调优测试后的规则体系，可以实时上线到反欺诈实时处理引擎，上线时间极短，上线流程简便，无需更改代码，系统稳定性高。下面将对三个子引擎分开阐述。

一、历史数据回放引擎

历史数据回放引擎和实时风险监控系统的关系请参阅附图2。

为了进一步优化上述技术方案，历史数据回放引擎的数据准备过程请参阅附图3。历史数据回放引擎基于历史数据进行分析统计，这个分析统计过程很可能是资源密集型的工作，将会很大程度上占用数据库系统的资源。为保证现有生产系统安全稳定，杜绝随机产生大规模资源占用的可能性，历史数据回放引擎建立了自己的数据存储系统，同时提供准实时的数据复制机制，保证数据和生产系统保持最大程度的一致。

如图1所示，本发明一种基于三路引擎的反欺诈系统，该系统包括：历史数据回放引擎模块，规则调优测试引擎模块和反欺诈实时处理引擎模块；

其中， 所述历史数据回放引擎模块，将历史业务数据纳入统计体系，实现通过历史数据迭代快速上线行为指标和实时行为指标数据的整合为规则策略；

所述规则调优测试引擎模块，用于利用实时业务数据对所述规则策略进行调优，提高规则策略体系的准确率，降低误报率；

所述欺诈实时处理引擎模块，用于根据历史数据回放引擎模块生成的规则策略和所述规则调优测试引擎模块生成的调优后的规则策略进行同步，并对反欺诈实时处理。

根据本公开实施例，所述历史数据回放引擎包括历史数据回放引擎数据库、历史数据采集器、历史数据回放引擎管理系统和历史数据回放引擎统计模块；

其中，所述历史数据回放引擎数据，用于库存放历史数据回放引擎数据库的所有数据；

所述历史数据采集器，用于有规律地同步到历史数据回放引擎数据库中；

所述历史数据回放引擎管理系统，用于维护规则迭代库的系统配置，将历史数据和规则配置进行融合，实现历史数据回放引擎最核心的业务价值；

所述历史数据回放引擎管理系统，用于根据历史数据的运算结果，向在线风险评估服务发送数据接口，实现诸如客户、账户、商户对象的冻结功能以及向生产系统发起统计合并请求的功能，将当前测试结果的统计向生产系统进行合并（如图2所示）。

根据本公开实施例，所述历史数据回放引擎模块分析的历史数据包括交易定义、规则统计配置、交易数据、客户信息数据、历史数据重算产生的统计信息和规则命中信息。

根据被公开实施例，所述规则调优测试引擎模块能够在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优。

一种采用上述系统的方法，具体包括以下步骤：

S1，采用历史数据回放引擎将历史业务数据纳入统计体系，实现历史数据和实时数据的联动合并，将通过回放历史数据快速累积的行为指标快速发布到实时决策流程中，无需等待上线后累积实时行为指标，缩短系统上线投产周期，全面挖掘历史数据价值，实现系统热启动；

S2，采用规则调优测试引擎在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优，在发现风险场景有变并需要调整修改决策规则时，通过历史数据回放引擎重新迭代训练规则，训练结果对比已知标签，预估规则调整对已知风险数据的影响以及能否发现新的风险数据，并反复迭代优化规则，保证覆盖已知的风险同时命中新的风险交易数据，提高规则策略体系的准确率，降低误报率；

S3，通过了历史数据的验证和对新风险数据预期统计，就可以实时上线到反欺诈实时处理引擎，上线分为规则部分上线和新的指标数据上线，规则部分上线是指把修改或新建的规则的数据结构同步到实时引擎中，引擎实时加载新的规则数据并实时生效，指标数据上线是指由历史数据快速形成的新的行为指标的数据结构和每个实体的数据同步合并到生产环境数据缓存中，从而缩减实时指标累积的时间成本，上线时间极短，上线流程简便，无需更改代码，系统稳定性高。

为了进一步优化上述技术方案，历史数据回放引擎的数据准备步骤如下：

S111：基于定时任务调度机制的数据同步程序，在一个合理的间隔上读入生产环境离线库的客户信息数据。

S112：将客户信息数据通过程序写入历史数据回放引擎。

S113：数据同步程序在合理的间隔上读入生产环境离线库的客户交易信息数据（与读入客户信息的程序能够分别制定间隔）。

S114：将客户交易信息数据通过程序写入历史数据回放引擎。

为了进一步优化上述技术方案，历史数据回放引擎的历史数据回放流程请参阅附图4，包括系统管理用户调试规则配置、执行试算、确认效果、再次调试规则配置的操作流程。

为了进一步优化上述技术方案，历史数据回放流程如下：

S121：在历史数据回放引擎的管理系统中添加新的统计和规则；

S122：配置任务调度，在任务配置界面中决定本次运算包含的定制化特征，包括但不局限于风险交易起止时间、交易种类；

S123：申请开启任务调度，进行风险历史数据的分析；

S124：管理控制界面检查是否可以进行风险分析，若不能则提示给用户；

S125：若能够执行，则清理当前数据库的运行结果数据；

S126：执行任务调度，回放并分析所选范围交易数据的风险；

S127：分析同时记录完成交易风险分析结果；

S128：管理员对交易分析结果进行检查和整理。

S129：如有需要冻结的对象，则进入冻结流程；

S1210：分析完毕后，标记结束调度，开放系统以便进行下次调度；或在进行下次调度之前，进入投产流程，将现有存储的统计指标有选择地同步到生产库。

为了进一步优化上述技术方案，迭代结果可以反馈到生产业务系统和在线评估系统。以冻结为例：在历史数据运算结束后，可在风险调查页面触发冻结流程，将交易数据中涉及的某种实体对象进行冻结。

为了进一步优化上述技术方案，迭代结果反馈流程如下：

S131：进入风险调查页面，选择某条风险数据；

S132：选择冻结内容；

S133：历史数据回放引擎管理系统向在线风险评估服务集群发送接口，请求冻结该实体；

S134：在线风险评估服务进行处理，完成后反馈结果；

S135：历史数据回放引擎管理系统在界面展示反馈结果。

为了进一步优化上述技术方案，启动统计投产标志着历史数据回放引擎的规则统计调优已经完成，需要将历史数据回放引擎中根据历史数据累计的统计向生产系统进行合并。

反欺诈实时处理引擎

反欺诈实时处理引擎是系统的运行主体，经过调优测试后的解决方案，正式上线到反欺诈实时处理引擎中，处置实时生效，并发量大。此时系统规则处于正式运行状态。

为了进一步优化上述技术方案，正式运行状态，能看解决方案的各项详情，包括包含的规则集、模型，包括预警设置、解决方案基本信息的详情，但是不能做任何修改。历史操作日志可用。其余普通操作按钮（新增规则集、新增模型）不可用，预警设置、解决方案基本信息的修改不可用。状态控制按钮中，“下线”可用。从模拟运行变更为正式运行时，版本号不变。上线环境有独立的统计分析模块、有风险事件模块，预警发送上线人员，处置实际生效。正式运行的目的是在生产环境上实时处置风险。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于三路引擎的反欺诈系统调优投产上线装置，其特征在于，该装置包括：历史数据回放引擎模块，规则调优测试引擎模块和反欺诈实时处理引擎模块；

其中，所述历史数据回放引擎模块，将历史业务数据纳入统计体系，实现通过历史数据迭代快速上线行为指标和实时行为指标数据的整合为规则策略；

所述规则调优测试引擎模块，用于利用实时业务数据对所述规则策略进行调优，提高规则策略体系的准确率，降低误报率；

所述欺诈实时处理引擎模块，用于根据历史数据回放引擎模块生成的规则策略和所述规则调优测试引擎模块生成的调优后的规则策略进行同步，并对反欺诈实时处理。

2.根据权利要求1所述的装置，其特征在于，所述历史数据回放引擎包括历史数据回放引擎数据库、历史数据采集器、历史数据回放引擎管理系统和历史数据回放引擎统计模块；

其中，所述历史数据回放引擎数据，用于库存放历史数据回放引擎数据库的所有数据；

所述历史数据采集器，用于有规律地同步到历史数据回放引擎数据库中；

所述历史数据回放引擎管理系统，用于维护规则迭代库的系统配置，将历史数据和规则配置进行融合，实现历史数据回放引擎最核心的业务价值；

所述历史数据回放引擎管理系统，用于根据历史数据的运算结果，向在线风险评估服务发送数据接口，实现诸如客户、账户、商户对象的冻结功能以及向生产系统发起统计合并请求的功能，将当前测试结果的统计向生产系统进行合并。

3.根据权利要求1所述的装置，其特征在于，所述历史数据回放引擎模块分析的历史数据包括交易定义、规则统计配置、交易数据、客户信息数据、历史数据重算产生的统计信息和规则命中信息。

4.根据权利要求1所述的装置，其特征在于，所述规则调优测试引擎模块能够在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优。

5.一种利用如权利要求1-4任意一项所述的基于三路引擎的反欺诈系统实时处理反欺诈的方法，其特征在于，该方法具体包括以下步骤：

S1)将通过历史数据采集器提取历史业务数据，并将历史业务数据纳入统计体系，实现通过历史数据迭代快速上线行为指标和实时行为指标数据的整合为规则策略，全面挖掘历史数据价值，实现系统热启动；

S2)采用规则调优测试引擎在不打扰业务流程的前提下，利用实时业务数据对所述规则策略体行调优，提高规则策略体系的准确率，降低误报率；

S3)经过调优测试后的规则体系，实时上线到反欺诈实时处理引擎。

6.根据权利要求5所述的方法，其特征在于，S1)中的具体步骤包括：

S11:数据准备；

S12:历史数据回放；

S13:迭代结果反馈。

7.根据权利要求6所述的方法，其特征在于，S11)数据准备步骤包括：

S111：基于定时任务调度机制的数据同步程序，在一个合理的间隔上读入生产环境离线库的客户信息数据；

S112：将所述客户信息数据通过程序写入历史数据回放引擎；

S113：数据同步程序在合理的间隔上读入生产环境离线库的客户交易信息数据；

S114：将客户交易信息数据通过程序写入历史数据回放引擎。

8.根据权利要求7所述的方法，其特征在于，所述历史数据回放步骤包括：

S121:在历史数据回放引擎的管理系统中添加统计和规则；

S122:配置任务调度，在任务配置界面中决定本次运算包含的定制化特征，包括但不局限于风险交易起止时间、交易种类；

S123:申请开启任务调度，进行风险历史数据的分析；

S124:管理控制界面检查是否可以进行风险分析，若不能则提示给用户；

S125:若能够执行，则清理当前数据库的运行结果数据；

S126:执行任务调度，回放并分析所选范围交易数据的风险；

S127:分析同时记录完成交易风险分析结果；

S128:对交易分析结果进行检查和整理；

S129:如有需要冻结的对象，则进入冻结流程；

S1210:分析完毕后，标记结束调度，开放系统以便进行下次调度；或在进行下次调度之前，进入投产流程，将存储的统计指标有选择地同步到生产库。

9.根据权利要求6所述的方法，其特征在于，所述迭代结果反馈步骤包括：

S131：进入风险调查，选择风险数据；

S132：选择冻结内容；

S133：历史数据回放引擎管理系统向在线风险评估服务集群发送接口，请求冻结该实体；

S134：在线风险评估服务进行处理，完成后反馈结果；

S135：历史数据回放引擎管理系统在界面展示反馈结果。

10.根据权利要求5所述的方法，其特征在于，所述S2中所述规则调优测试引擎在不打扰业务流程的前提下，利用实时业务数据对规则策略体系进行调优，引擎执行对历史数据的规则评估后，分析对比迭代过程中新发现的和真实发生已知的风险，从而不断调整规则和阈值，提高规则策略体系的准确率，降低误报率。