Findar

Технологический стек

Backend

• Python 3.13+ — основной язык разработки
• FastAPI — асинхронный веб-фреймворк для REST API
• SQLAlchemy + Alembic — ORM и миграции базы данных
• PostgreSQL 16 — основная СУБД
• Redis — кэширование и очереди задач
• Celery — асинхронная обработка транзакций

Фронтенд

• Admiral UI — веб-интерфейс для мониторинга и управления

ML модель

Система использует обученную модель машинного обучения для предсказания мошеннических транзакций:

• Метрика F1-score: 0.87 — достигнутая точность на тестовых данных
• Возможность добавлять свои модели

Мониторинг и логирование

• Grafana — визуализация метрик и дашборды
• Prometheus — сбор метрик в реальном времени
• Loki + Promtail — централизованное логирование
• Loguru — структурированное логирование

Инфраструктура

• Docker + Docker Compose — контейнеризация сервисов
• Nginx — reverse proxy и балансировка нагрузки

Архитектура решения

Основные модули

• API (src/api) — REST API для взаимодействия с системой
• Bot (src/bot) — Telegram бот для уведомлений и управления
• Rule Engine (src/modules/rule_engine) — движок правил обнаружения мошенничества:
  • Threshold правила (пороговые значения)
  • Pattern правила (анализ паттернов поведения)
  • Composite правила (логические комбинации AND/OR/NOT)
  • ML правила (машинное обучение)
• Queue (src/modules/queue) — асинхронная обработка транзакций через Celery
• Notifications (src/modules/notifications) — система уведомлений (Telegram, Email)
• ML (src/modules/ml) — управление ML моделями и инференс
• Reporting (src/modules/reporting) — отчеты и аналитика
• Transactions (src/modules/transactions) — управление транзакциями

Особенности обработки

1. Транзакции обрабатываются асинхронно через Celery workers
2. Rule engine оценивает каждую транзакцию по всем активным правилам
3. Результаты кэшируются в Redis для быстрого доступа
4. Prometheus метрики собираются на каждом этапе обработки

Требования

• Python 3.13+
• uv

Установка

1. Установите uv:

curl -LsSf https://astral.sh/uv/install.sh | sh

2. Запустите виртуальное окружение.

3. Установите зависимости:

uv sync

4. Настройте переменные окружения:

cp docker/.env.example .env

5. Отредактируйте .env с вашими настройками базы данных и Redis. Не забудьте добавить токен для бота

6. Примените миграции базы данных:

uv run alembic upgrade head

Запуск

uv run python -m src.api

Тест нагрузка

uv run scripts/test.py

Чтобы запустить проект с помощью Docker:

1. Инициализируйте переменные окружения:

   cp .env.example .env cd ./src/static/admiral && cp .env.example .env

2. Инициализируйте конфигурации сервисов:

   chmod a+x ./scripts/envsubst.sh ./scripts/envsubst.sh docker

3. Соберите контейнеры:

   docker compose build

4. Запустите проект:

   docker compose up -d

После запуска следующие сервисы будут доступны:

• Админ-панель: http://localhost
• Grafana: http://metrics.localhost или http://localhost:4000
• API: http://api.localhost