程序聚合 软件案例 反诈智能助手-Agent

反诈智能助手-Agent

2026-04-26 22:44:46
行业:安全
载体:安卓APP、网站
技术:Go、Gin

业务和功能介绍

业务功能介绍

反诈卫士(Sensible AI)是一套面向普通公众的多模态智能反诈系统,目标不是做一次性的风险查询工具,而是构建“识别、预警、记忆、协同、进化”一体化的长期守护能力。系统支持用户提交文本、图片、音频、视频等可疑信息,自动识别诈骗风险,输出风险等级、分析理由、风险因子和处置建议,帮助用户在转账、验证码泄露、冒充客服、投资理财、刷单兼职等高危场景中及时判断。

系统提供单图快速识别能力,适合聊天截图、转账页面、伪造通知等手机高频场景;同时提供聊天式反诈助手,可围绕案件细节持续追问,并结合用户历史记录和案件库给出个性化建议。平台还具备用户历史归档、风险趋势查看、相似案件召回、当前地区案件统计等功能,让用户不仅能判断当前风险,也能了解自身长期风险状态和本地高发骗局。

在主动防护方面,系统支持 WebSocket 实时预警、Android 后台提醒、悬浮球快捷识别和无障碍自动守护,将反诈能力前移到用户真实手机使用场景中。对于高风险事件,系统还能触发家庭联防通知,通过家庭组、成员邀请和守护关系配置,让家人及时介入提醒。管理员侧则支持典型案件审核入库、后台案例采集、知识图谱、全国反诈态势地图和统计分析,形成从个人防护到平台治理的完整闭环。

项目实现

项目实现

项目采用移动端与 Go 后端协同的工程架构。后端基于 Gin、GORM、SQLite、Redis 和 OpenAI 兼容模型接口实现,按六边形架构组织为 cmd/api 启动入口、internal/bootstrap 依赖装配、internal/platform 基础设施层和 internal/modules 业务模块层。登录鉴权、聊天、用户画像、家庭守护、多智能体分析等功能按模块拆分,降低耦合,便于扩展和测试。

核心分析链路采用多智能体协同机制:图像、音频、视频子智能体分别负责提取模态级风险线索,主智能体再聚合文本内容、模态证据、用户画像、历史记忆和知识库检索结果,生成结构化风险报告。主智能体不是直接输出结论,而是通过工具链完成用户信息查询、相似案例检索、用户历史召回、风险评估、动态风险等级解析、报告提交和历史归档,保证结果可追踪、可落库、可复用。

系统构建了“全局历史案件知识库 + 用户个性化历史记忆”的双重防护网,并结合动态阈值机制进行风险判级。全局知识库用于召回相似诈骗案例,个人记忆用于判断用户是否曾遭遇类似风险,动态阈值则根据用户历史风险状态调整提醒敏感度,实现“同类事件、不同用户、不同判级”的个性化防护。Redis 用于验证码、限流、聊天上下文、向量缓存和地理态势缓存,SQLite 承担主业务库与历史案件库。前端分为桌面管理端和移动端,移动端承接普通用户分析、预警、家庭联防和主动守护,桌面端承接管理员审核、态势地图、案件库和治理分析。

示例图片视频


Cris
30天前活跃
方向: 后端-Go、人工智能-AI应用开发、
交付率:100.00%
相似推荐
晨电智能骑行 IoT 云平台-cycplus
面向骑行码表、运动相机与 App 的物联网后端,覆盖 FIT 解析、路书/赛段、高程坡度、固件 OTA 及 Strava / 行者等第三方同步,国内海外分环境部署。除业务开发外,负责云上基础设施:Docker 容器化、Jenkins 持续集成、阿里云 ALB 入口、NAT 出口及 SLS 日志与告警,打通从构建发布到观测告警的闭环
智能运动状态识别系统-小天才
该系统对智能终端上报的运动特征数据进行清洗和标准化处理,通过JNA/JNI调用第三方算法进行运动状态识别,并结合GPS、WiFi等定位信息进行智能修正(如居家场景下过滤误判的乘车状态)。采用责任链模式构建多场景决策引擎,综合位置、佩戴状态、时间等维度,实时输出精准的行为识别结果,并在终端动态展示用户位置、佩戴状态及运动行为,提升交互体验; 并且,实时聚合手表电量、网络连接(WiFi/蜂窝)、禁用状态等关键信息,通过左侧边栏直观展示状态可视化:实时聚合手表电量、网络连接(WiFi/蜂窝)、禁用状态等关键信息,通过左侧边栏直观展示;智能卡片交互:采用动态卡片设计(底部可滑动面板),集成定位、运动健康等高频功能入口及实时数据;状态一致性引擎:构建统一状态管理中心,标准化处理20+设备状态(关机/欠费/飞行模式等),实现多业务模块(微聊/定位等)状态同步,自动解决矛盾场景(如断网时强制清空网络状态值);
立体定位功能V1.0版本工程化落地-小天才
负责定位系统的数据整合与业务实现,对接表端上报的LSM传感器及GPS数据,进行数据清洗和标准化处理,为第三方室内外判定算法提供输入,并根据室内外算法输出结果,用入门口位置信息去结合MongoDB中的楼栋模型数据,通过JNA/JNI调用第三方楼层算法,完成定位信息的整合处理;系统支持5000+ QPS,定位延迟控制在200ms内
电话手表 - 定位后端(数据融合服务)-小天才
针对电话手表硬件快速迭代或升级导致的频繁适配问题,设计可扩展的统一架构,降低升级维护成本,通过数据融合服务集中管理表端上报策略(内容、频率),减少硬编码依赖,采用TLV/Protobuf协议统一数据格式,提升传输效率,由数据融合服务解耦表端与业务服务,实现数据动态路由,降低系统耦合度
palot
Palot 是一款面向中国开发者的 AI 编程与部署客户端。用户安装后即可配置国产模型或 Codex,让 AI Agent 创建和修改代码、审阅变更、运行自动检查,并通过 Sealos 部署项目、获得公网 HTTPS 地址。 支持 DeepSeek、GLM、阿里百炼、腾讯云等国产模型,同时兼容 OpenAI 和 Codex。商业模式采用免费 BYOK 加可选预付 AI 额度,不强制会员或自动续费。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服