charulll/Subsidy_Fraud_Detection_System

# 🛡️ 基于 AI 的补贴欺诈检测系统 这是一个智能的基于 Web 的平台，旨在利用机器学习、Aadhaar 验证和基于风险的分析，识别并预防跨多个政府福利计划的欺诈性补贴申请。 ## 📌 概述 政府补贴项目经常面临诸多挑战，例如重复申请、虚假身份、收入虚报和福利滥用。 本项目利用机器学习和基于规则的验证来自动检测可疑申请，并协助相关部门做出明智的决策。 ## ✨ 核心功能 ### 👤 公民门户 - 基于 Aadhaar 的登录与验证 - OTP 身份验证 - 申请政府福利计划 - 跟踪申请状态 - 查看已批准/已拒绝的申请 ### 🛡️ 管理员仪表板 - 查看所有申请 - 欺诈风险监控 - 标记申请检测 - 批准 / 拒绝 / 人工验证 - 实时统计仪表板 ### 🤖 AI 欺诈检测 - 检测可疑的补贴申请 - 重复 Aadhaar 检测 - 收入不一致检查 - 历史申请分析 - 欺诈风险评分 ### 📊 数据分析仪表板 - 总申请数 - 已批准申请 - 已拒绝申请 - 欺诈申请 - 按计划分类的洞察 - 交互式图表与报告 ## 🧠 机器学习模型 欺诈检测引擎会分析申请人数据，并预测申请是否具有潜在的欺诈性。 ### 使用的特征 - 申请人年龄 - 年收入 - 补贴金额 - 历史申请数 - 重复 Aadhaar 指标 - 计划类型 ### 输出 - 欺诈概率 - 风险类别 - 低风险 - 中风险 - 高风险 ## 🏗️ 系统架构 ``` Citizen Portal │ ▼ Application Submission │ ▼ Backend Validation │ ▼ ML Fraud Detection Engine │ ▼ Risk Analysis │ ▼ Admin Dashboard ``` ## 🛠️ 技术栈 ### 前端 - React.js - Tailwind CSS - Recharts ### 后端 - Node.js - Express.js ### 数据库 - PostgreSQL ### 机器学习 - Python - Scikit-Learn - Pandas - NumPy - Joblib ### 身份验证 - JWT - OTP 验证 ## 📂 项目结构 ``` subsidy-fraud-detection/ │ ├── frontend/ │ ├── src/ │ └── public/ │ ├── backend/ │ ├── routes/ │ ├── controllers/ │ ├── models/ │ └── middleware/ │ ├── ml-service/ │ ├── app.py │ ├── model.pkl │ └── dataset.csv │ ├── database/ │ └── README.md ``` ## 🚀 安装说明 ### 克隆仓库 ``` git clone cd subsidy-fraud-detection ``` ### 安装前端依赖 ``` cd frontend npm install ``` ### 安装后端依赖 ``` cd backend npm install ``` ### 安装机器学习依赖 ``` pip install -r requirements.txt ``` ## ▶️ 运行应用程序 ### 后端 ``` npm start ``` ### 前端 ``` npm run dev ``` ### 机器学习服务 ``` python app.py ``` ## 📈 未来展望 - 真实的 Aadhaar XML 验证 - 用于欺诈推理的可解释 AI - 基于 Blockchain 的记录验证 - 地理位置欺诈分析 - 多计划欺诈关联 - 自动化调查报告 ## 🎯 影响 该系统可帮助政府机构： - 减少补贴流失 - 检测欺诈性受益人 - 提高透明度 - 加快验证流程 - 确保补贴发放给真正需要的公民 ## 👩‍💻 作者 **Charul Thakur** B.Tech CSE | AI 与全栈开发

标签：Apex, MITM代理, Web平台, 代码示例, 政务系统, 数据分析, 机器学习, 欺诈检测, 测试用例, 自动化攻击, 逆向工具