Fraud Signal Collection — 欺诈信号数据采集（刷单行为、虚假评论、异常流量）

1. 解决的问题

欺诈检测系统的核心上限由欺诈信号采集的覆盖度和质量决定。母婴电商面临的三类典型欺诈

2. 核心算法逻辑

欺诈检测系统的核心上限由欺诈信号采集的覆盖度和质量决定。母婴电商面临的三类典型欺诈：

3. 业务应用场景

业务背景：品牌 A 的婴儿安全座椅 BSR 被竞品 B 通过刷单超越，损失 Buy Box 和自然流量。需要采集竞品 B 的刷单信号，向 Amazon 品牌保护部门举报，并建立自身防御监控。

行动成果： - 将采集的欺诈信号包（PDF报告 + 原始数据）提交 Amazon 品牌保护 - 竞品 B 的 68 条虚假评论被删除，BSR 下滑 - 品牌 A 恢复 Buy Box，月均 GMV 回升 +¥48 万

业务背景：DTC 独立站发现 Meta 广告 CTR 异常偏高（3.8%，正常 1.2%），但转化率极低（0.03%），怀疑存在大量 Bot 点击消耗广告预算。

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

48 万

7. 代码模板

代码块数量：5 · 路径：未检测到

"""
Fraud Signal Collection Pipeline
整合 FraudGraph-Collect (刷单图特征) + ReviewSignal (虚假评论) + BotTrafficDetect (Bot流量)
使用 mock 数据，可直接运行
"""

import re
import math
import random
import hashlib
import numpy as np
from dataclasses import dataclass, field
from typing import Dict, List, Optional, Tuple, Set
from datetime import datetime, timedelta
from collections import defaultdict


# ── 数据结构 ────────────────────────────────────────────────────────────

@dataclass
class OrderRecord:
    """订单记录"""
    order_id: str
    user_id: str
    device_fp: str       # 设备指纹
    ip_addr: str
    shipping_addr: str   # 标准化收货地址
    order_time: datetime
    review_time: Optional[datetime]  # 评论时间（若有）
    review_text: str
    rating: int


@dataclass
class SessionRecord:
    """会话记录（用于 Bot 检测）"""
    session_id: str
    ip_addr: str
    user_agent: str
    page_view_count: int
    dwell_time_sec: float      # 总停留时间
    mouse_events: int          # 鼠标事件数
    scroll_depth_pct: float    # 滚动深度（0-100%）
    request_interval_cv: float # 请求间隔变异系数
    asn_type: str              # residential / datacenter / vpn


@dataclass
class FraudSignal:
    """欺诈信号汇总"""
    entity_id: str
    entity_type: str            # order / review / session
    fraud_score: float          # 0-1
    fraud_type: str             # order_fraud / fake_review / bot_traffic
    signals: Dict[str, float]   # 各维度信号值
    is_fraud: bool
    confidence: str             # HIGH / MEDIUM / LOW


# ── FraudGraph-Collect：刷单行为特征采集 ────────────────────────────────

8. 论文来源

• 2406.14891
• 2409.17234
• 2501.12847