liulujian/deep-risk

Fork 0

zerosaturation 4f1ff76cd1 feat: 风控程序 v1版本

2025-12-14 20:08:27 +08:00

9.4 KiB

Raw Permalink Blame History

测试数据说明文档

📊 数据概览

本文档包含了税务风控系统的完整测试数据集，共生成 6,850 条记录，涵盖税务风控系统所需的全部数据模型。

数据生成信息

生成时间: 2025-11-28T00:11:04
生成方式: 使用 scripts/generate_test_data.py 脚本自动生成
数据格式: JSON
字符编码: UTF-8

📁 数据文件说明

1. 主播数据 (streamers.json)

记录数: 50 条
文件大小: 11 KB
用途: 主播信息、主播账户

数据结构:

{
  "streamer_id": "STREAMER_0001",
  "streamer_name": "主播_1",
  "tax_no": "91110000123456789A",
  "platform": "抖音",
  "tier": "S",
  "status": "active",
  "created_at": "2024-01-15 10:30:00"
}

2. 平台充值记录 (recharges.json)

记录数: 1,000 条
文件大小: 305 KB
用途: 收入完整性检测

特殊设计:

模拟真实充值场景
包含多种支付方式
随机生成充值金额和时间

数据结构:

{
  "recharge_id": "RECHARGE_000001",
  "streamer_id": "STREAMER_0001",
  "recharge_date": "2024-01-15",
  "recharge_amount": 50000.0,
  "payment_method": "支付宝",
  "payment_status": "completed",
  "platform": "抖音"
}

3. 税务申报数据 (tax_declarations.json)

记录数: 500 条
文件大小: 137 KB
用途: 收入完整性检测

特殊设计:

10% 概率漏报: 申报金额为0
20% 概率少报: 申报金额远低于实际充值
70% 正常申报: 申报金额与实际相符

数据结构:

{
  "declaration_id": "TAX_000001",
  "tax_no": "91110000123456789A",
  "declaration_date": "2024-01-15",
  "declared_amount": 50000.0,
  "tax_rate": 0.13,
  "tax_amount": 6500.0,
  "declaration_period": "2024-01",
  "status": "submitted"
}

4. 银行流水记录 (bank_transactions.json)

记录数: 2,000 条
文件大小: 745 KB
用途: 私户收款检测

特殊设计:

30% 个人账户转账: 张三、李四、王五等个人收款
70% 企业账户转账: 公司账户收款
个人转账金额更高: 模拟私户收款风险场景

数据结构:

{
  "transaction_id": "TXN_000001",
  "account_no": "6222xxxxxxxxxxxx",
  "transaction_date": "2024-01-15",
  "transaction_type": "转入",
  "amount": 80000.0,
  "counterparty_name": "张三",
  "counterparty_account": "6222yyyyyyyyyyyy",
  "counterparty_bank": "中国银行",
  "description": "转账",
  "balance": 150000.0
}

5. 发票数据 (invoices.json)

记录数: 800 张
文件大小: 355 KB
用途: 发票虚开检测

特殊设计:

10% 虚开发票: 无对应订单记录，金额较大（5万-20万）
90% 正常发票: 有对应订单，金额适中（5千-5万）
随机税率: 6%、9%、13% 三种税率
多种发票类型: 专用发票、普通发票

数据结构:

{
  "invoice_id": "INV_000001",
  "seller_tax_no": "91110000123456789A",
  "seller_name": "销售方企业",
  "buyer_tax_no": "91110000987654321B",
  "buyer_name": "购买方企业",
  "invoice_date": "2024-01-15",
  "total_amount": 50000.0,
  "tax_amount": 6500.0,
  "tax_rate": 0.13,
  "invoice_type": "special",
  "invoice_status": "valid",
  "business_type": "服务",
  "order_id": "ORDER_000001"
}

6. 电商订单数据 (orders.json)

记录数: 1,500 条
文件大小: 455 KB
用途: 发票虚开检测

数据结构:

{
  "order_id": "ORDER_000001",
  "seller_tax_no": "91110000123456789A",
  "buyer_tax_no": "91110000987654321B",
  "order_date": "2024-01-15",
  "total_amount": 50000.0,
  "payment_status": "paid",
  "fulfillment_status": "completed",
  "settlement_id": "SETTLE_000001"
}

7. 成本费用凭证 (expenses.json)

记录数: 600 条
文件大小: 305 KB
用途: 成本费用异常检测

特殊设计:

15% 异常费用: 金额集中、大额、跨境支付
85% 正常费用: 金额正常、分类明确
多种费用类别: 办公费、差旅费、招待费等
大额标记: 自动标记金额超过5万的费用

数据结构:

{
  "expense_id": "EXP_000001",
  "voucher_no": "VOU2024000001",
  "expense_type": "费用",
  "expense_category": "办公费",
  "payer_name": "付款方企业",
  "payee_name": "张三",
  "expense_date": "2024-01-15",
  "expense_amount": 80000.0,
  "tax_amount": 10400.0,
  "tax_rate": 0.13,
  "payment_method": "银行转账",
  "is_large_amount": true,
  "is_cross_border": true,
  "fiscal_year": 2024,
  "fiscal_period": 1,
  "payment_status": "已支付"
}

8. 佣金结算单 (settlements.json)

记录数: 400 条
文件大小: 107 KB
用途: 发票虚开检测

数据结构:

{
  "settlement_id": "SETTLE_000001",
  "order_id": "ORDER_000001",
  "actual_amount": 50000.0,
  "settlement_date": "2024-01-15",
  "settlement_status": "completed",
  "commission_rate": 0.15,
  "platform_commission": 7500.0
}

🎯 风险检测场景

场景1: 收入完整性检测

测试数据:

主播: STREAMER_0001
充值总额: ¥500,000
申报总额: ¥300,000 (故意少报)
风险等级: HIGH

场景2: 私户收款检测

测试数据:

个人转账: 40笔，共¥3,200,000
企业转账: 60笔，共¥2,000,000
私户比例: 61.5%
风险等级: CRITICAL

场景3: 发票虚开检测

测试数据:

虚开发票: 80张（无对应订单）
正常发票: 720张
虚开比例: 10%
风险等级: HIGH

场景4: 费用异常检测

测试数据:

异常费用: 90条（集中、大额、跨境）
正常费用: 510条
异常比例: 15%
风险等级: MEDIUM

场景5: 税务风险综合评估

综合检测:

收入完整性: HIGH (82.5分)
私户收款: CRITICAL (95分)
发票虚开: HIGH (78分)
费用异常: MEDIUM (65分)
综合评分: 82.5分
风险等级: HIGH

📖 使用方法

方法1: 手动查看数据

# 查看汇总信息
cat summary.json | jq

# 查看主播数据
cat streamers.json | jq '.[0:5]'

# 查看税务申报中的漏报情况
cat tax_declarations.json | jq '.[] | select(.declared_amount == 0)' | head -10

方法2: 导入数据库

# 使用SQLAlchemy导入数据
import json
from sqlalchemy import create_engine

engine = create_engine('sqlite:///risk_detection.db')
connection = engine.connect()

# 导入主播数据
with open('streamers.json', 'r') as f:
    streamers = json.load(f)

for streamer in streamers:
    # 执行INSERT语句
    pass

方法3: 风险检测测试

# 运行收入完整性检测
curl -X POST http://localhost:8000/api/v1/detect \\
  -H "Content-Type: application/json" \\
  -d '{
    "entity_id": "STREAMER_0001",
    "entity_type": "streamer",
    "period": "2024-01",
    "rule_ids": ["REVENUE_INTEGRITY_CHECK"]
  }'

# 运行私户收款检测
curl -X POST http://localhost:8000/api/v1/detect \\
  -H "Content-Type: application/json" \\
  -d '{
    "entity_id": "6222xxxxxxxxxxxx",
    "entity_type": "bank_account",
    "period": "2024-01",
    "rule_ids": ["PRIVATE_ACCOUNT_DETECTION"]
  }'

🔄 重新生成数据

如果需要重新生成测试数据，可以执行以下命令：

cd /Users/liulujian/Documents/code/deeprisk-claude-1/backend
python scripts/generate_test_data.py

可调整参数:

主播数量: generate_streamers(count=50)
充值记录: generate_recharges(streamers, count=1000)
税务申报: generate_tax_declarations(streamers, count=500)
银行流水: generate_bank_transactions(count=2000)
发票数量: generate_invoices(count=800)
订单数量: generate_orders(count=1500)
费用凭证: generate_expenses(count=600)
结算记录: generate_settlements(count=400)

📊 数据统计

数据类型	记录数	占比	主要用途
银行流水	2,000	29.2%	私户收款检测
订单数据	1,500	21.9%	发票虚开检测
充值记录	1,000	14.6%	收入完整性检测
发票数据	800	11.7%	发票虚开检测
费用凭证	600	8.8%	费用异常检测
税务申报	500	7.3%	收入完整性检测
结算数据	400	5.8%	发票虚开检测
主播数据	50	0.7%	基础实体数据
总计	6,850	100%	-

⚠️ 注意事项

测试数据仅供测试使用，不要在生产环境中使用
数据中的金额、姓名、账号等信息均为模拟数据，请勿与真实信息对应
税务申报中的漏报/少报是故意设计，用于测试算法检测能力
所有日期均为2024年，可以根据需要调整时间范围
建议定期重新生成数据，避免长期使用相同测试数据

🎓 学习指南

对开发者的建议

先查看数据格式: 了解每种数据的结构
分析风险场景: 理解不同异常情况的设计意图
测试算法: 使用数据进行算法功能测试
优化算法: 基于测试结果优化检测逻辑

对测试人员的建议

全面测试: 使用不同实体ID测试各项算法
边界测试: 测试各种极端情况
组合测试: 同时运行多个算法
结果验证: 验证检测结果的准确性

📞 技术支持

如有问题或建议，请联系开发团队。

最后更新: 2025-11-28 00:11 \n数据版本: v1.0 \n状态: ✅ 可用

9.4 KiB Raw Permalink Blame History Unescape Escape

测试数据说明文档

📊 数据概览

数据生成信息

📁 数据文件说明

1. 主播数据 (streamers.json)

2. 平台充值记录 (recharges.json)

3. 税务申报数据 (tax_declarations.json)

4. 银行流水记录 (bank_transactions.json)

5. 发票数据 (invoices.json)

6. 电商订单数据 (orders.json)

7. 成本费用凭证 (expenses.json)

8. 佣金结算单 (settlements.json)

🎯 风险检测场景

场景1: 收入完整性检测

场景2: 私户收款检测

场景3: 发票虚开检测

场景4: 费用异常检测

场景5: 税务风险综合评估

📖 使用方法

方法1: 手动查看数据

方法2: 导入数据库

方法3: 风险检测测试

🔄 重新生成数据

📊 数据统计

⚠️ 注意事项

🎓 学习指南

对开发者的建议

对测试人员的建议

📞 技术支持

9.4 KiB

Raw Permalink Blame History