deep-risk/backend/app/services/risk_detection/README.md

税务风控风险检测引擎

概述

本风险检测引擎是一个基于规则引擎和算法驱动的税务风控系统，能够自动检测和分析各类税务风险，包括收入完整性、私户收款、发票虚开、成本费用异常等问题。

架构设计

核心组件

1. 算法层（Algorithms）

   • 收入完整性检测算法
   • 私户收款检测算法
   • 发票虚开检测算法
   • 成本费用异常检测算法
   • 税务风险综合评估算法

2. 规则引擎（Rule Engine）

   • 依赖解析器（DependencyResolver）
   • 执行计划（ExecutionPlan）
   • 规则引擎核心（RuleEngine）

3. 任务管理层（Task Manager）

   • 任务管理器（TaskManager）
   • 任务调度器（DetectionScheduler）

4. 数据模型层（Models）

   • 检测规则（DetectionRule）
   • 检测任务（DetectionTask）
   • 规则执行记录（RuleExecution）
   • 任务执行记录（TaskExecution）
   • 检测结果（DetectionResult）

核心算法

1. 收入完整性检测算法

文件: algorithms/revenue_integrity.py

功能: 检测平台充值金额与申报收入是否匹配，识别隐瞒收入风险

检测逻辑:

• 获取指定期间内的平台充值总额
• 获取同期税务申报收入
• 计算差异和差异率
• 根据差异率判断风险等级

风险等级判断:

• 差额率 > 50% 或 差额 > 10万元：CRITICAL（极高）
• 差额率 > 30% 或 差额 > 5万元：HIGH（高）
• 差额率 > 15% 或 差额 > 2万元：MEDIUM（中）
• 差额率 > 5% 或 差额 > 5千元：LOW（低）

2. 私户收款检测算法

文件: algorithms/private_account.py

功能: 检测银行流水是否存在向个人账户转账的风险

检测逻辑:

• 分析银行流水记录
• 识别私人账户转账
• 计算私户转账占比
• 统计大额私人转账笔数

风险判断:

• 私户比例 > 80% 或（>10笔 且 >50万元）：CRITICAL
• 私户比例 > 60% 或（>5笔 且 >20万元）：HIGH
• 私户比例 > 40% 或（>3笔 且 >10万元）：MEDIUM
• 私户比例 > 20% 或 >1笔：LOW

3. 发票虚开检测算法

文件: algorithms/invoice_fraud.py

功能: 检测发票金额与实际业务是否匹配，识别虚开发票风险

检测逻辑:

• 对比发票总额与订单总额
• 对比发票总额与结算总额
• 检查红字发票比例
• 识别大额发票和未验证发票

异常检测:

• 发票与订单/结算金额差异率超阈值
• 红字发票比例 > 30%
• 存在大额发票（>10万元）
• 未验证发票比例 > 20%

4. 成本费用异常检测算法

文件: algorithms/expense_anomaly.py

功能: 检测成本费用是否合理，识别虚增成本、费用异常等风险

检测逻辑:

• 分析费用总额同比增长
• 检查大额费用集中度
• 统计跨境支付比例
• 分析费用类别结构
• 检查税负异常
• 识别同日多笔大额费用

异常判断:

• 费用同比增长超过阈值倍数
• 大额费用占比 > 30%
• 跨境支付占比 > 50%
• 其他类费用占比 > 50%
• 平均税率 > 13%

5. 税务风险综合评估算法

文件: algorithms/tax_risk_assessment.py

功能: 综合分析各项风险检测结果，生成整体税务风险评估

评估逻辑:

• 收集所有单项检测结果
• 计算加权综合评分
• 识别高危风险点
• 生成综合建议

评分算法:

• CRITICAL: 权重 1.0
• HIGH: 权重 0.7
• MEDIUM: 权重 0.4
• LOW: 权重 0.2

API 接口

规则管理

• POST /risk-detection/rules - 创建检测规则
• GET /risk-detection/rules - 查询检测规则列表
• GET /risk-detection/rules/{rule_id} - 获取规则详情
• PUT /risk-detection/rules/{rule_id} - 更新检测规则
• DELETE /risk-detection/rules/{rule_id} - 删除检测规则

任务管理

• POST /risk-detection/tasks - 创建检测任务
• POST /risk-detection/tasks/{task_id}/execute - 执行检测任务
• GET /risk-detection/tasks - 查询任务列表
• GET /risk-detection/tasks/{task_id} - 获取任务详情

检测执行

• POST /risk-detection/execute - 执行风险检测（即时检测）

结果查询

• GET /risk-detection/results - 查询检测结果列表
• GET /risk-detection/results/{result_id} - 获取检测结果详情
• GET /risk-detection/summary - 获取检测结果汇总

使用示例

1. 创建检测任务

POST /risk-detection/tasks
{
    "task_name": "2024-01月主播税务检测",
    "task_type": "periodic",
    "entity_ids": ["ZB001", "ZB002"],
    "entity_type": "streamer",
    "period": "2024-01",
    "rule_ids": null,
    "parameters": {}
}

2. 执行即时检测

POST /risk-detection/execute
{
    "entity_id": "ZB001",
    "entity_type": "streamer",
    "period": "2024-01",
    "rule_ids": ["REVENUE_INTEGRITY_CHECK", "PRIVATE_ACCOUNT_DETECTION"],
    "parameters": {}
}

3. 查询任务状态

GET /risk-detection/tasks/task_abc123

依赖关系

算法之间的依赖关系：

收入完整性检测 (REVENUE_INTEGRITY_CHECK)
    ↓
私户收款检测 (PRIVATE_ACCOUNT_DETECTION)
    ↓
发票虚开检测 (INVOICE_FRAUD_DETECTION)
    ↓
成本费用异常检测 (EXPENSE_ANOMALY_DETECTION)
    ↓
税务风险综合评估 (TAX_RISK_ASSESSMENT)

执行计划

系统采用分层执行策略：

1. 第1层: 基础检测算法（可并行执行）
2. 第2层: 综合评估算法（依赖第1层结果）

扩展开发

添加新算法

1. 继承 RiskDetectionAlgorithm 基类
2. 实现抽象方法：
   • get_algorithm_code() - 返回算法编码
   • get_algorithm_name() - 返回算法名称
   • _do_detect(context) - 实现检测逻辑
3. 注册算法：RuleEngine.register_algorithm()
4. 更新依赖关系配置

自定义规则

1. 创建 DetectionRule 记录
2. 设置算法参数
3. 启用规则
4. 重新执行检测任务

最佳实践

1. 参数调优: 根据实际业务调整各算法的阈值参数
2. 定期评估: 定期回顾检测结果，优化规则配置
3. 数据质量: 确保业务数据质量，避免误报
4. 监控告警: 对高风险结果设置监控和告警
5. 持续改进: 根据税务政策变化更新检测规则

性能优化

• 支持并发执行多个检测任务
• 缓存常用数据减少数据库查询
• 分批处理大量数据
• 异步执行提高响应速度

未来规划

• 机器学习算法集成
• 实时流式检测
• 可视化风险分析报告
• 多维度风险对比
• 自动化风险处置建议