CoolGuard风控中新增移动距离和移动速度指标

首先先讲一下，在CoolGuard（github.com/wnhyang/coo...）中如何新增指标，需要哪些步骤。

新增指标

对应项目的IndicatorType，增加新的指标类型，如下移动距离和移动速度。

同样对应项目的IndicatorType，增加移动距离和移动速度的返回类型，这里返回类型都是整数，主要用于在规则条件中使用

继承AbstractIndicator，增加移动距离和移动速度的指标。

注意：a、必须为容器bean，如上图@Component；b、构造方法；c、实现抽象方法，指标类型、添加事件、获取结果。

对应前端indicator-type.ts，增加移动距离和移动速度，对应后端的code。

同时列表中增加移动距离和移动速度。

如上移动距离和移动速度都需要计算字段，所以在需要计算字段的列表中增加新的指标。

有了前面的工作，启动项目后就可以选到新的指标了

设置测试的移动距离和移动速度的指标

然后mock一些数据发接口

同时事件数据可以看到，经过验证两点的距离和速度算的都是正确的。

另外移动距离的单位是米，移动速度的单位是米/秒。

为什么在风控系统中移动距离和移动速度指标很重要呢？以下包含AI创作

识别不可能发生的移动（Impossible Travel）： 这是最直接、最有力的应用。如果一个账户或设备在极短时间内（例如几分钟或几小时）出现在地理上相距甚远（如跨越数百甚至数千公里）的两个地点进行登录或交易，这在物理世界是几乎不可能实现的（除非是飞机）。系统通过计算两点间的移动距离 和所需最短时间（考虑交通工具速度上限），结合事件发生的实际时间差，就能计算出移动速度是否远超正常人类或交通工具的极限（如超过高铁甚至飞机速度）。这种"瞬移"现象是账户被盗用、信息被贩卖或"设备农场"作案的强有力证据。
发现异常行为模式：

2.1. 高频长距离移动： 短时间内频繁进行长距离移动并伴随交易（尤其是大额或高风险交易），可能指向专业欺诈团伙利用盗取信息流窜作案，或"跑分"洗钱活动。
2.2. 不符合用户习惯的移动： 系统通常会建立用户或设备的常规活动范围（如家庭、工作地、常驻城市）。当检测到交易或登录发生在距离用户历史活动中心异常遥远的地点，或移动速度模式（如突然从步行/驾车模式切换到"飞行"模式）与历史行为显著不符时，即可触发风险警报。
2.3. "跳跃式"交易： 欺诈者为了躲避基于单一地点的风控规则，可能故意在多个不同城市进行小额试探性交易。分析这些交易点之间的移动距离 和移动速度序列，能帮助识别这种有组织的、快速切换地点的欺诈模式。

3.1. 交易地理位置欺诈： 在无卡交易中，声称的持卡人位置（Billing Address/IP Location）与卡实际被使用的物理位置（通过移动设备GPS/基站/WiFi或交易受理设备位置获取）之间的距离过远，是高风险信号。
3.2. 商户合谋欺诈： 如果检测到同一张卡在短时间内于物理距离很近的不同商户（可能是合谋欺诈团伙控制的）进行多笔大额交易，且移动速度表明持卡人不可能如此快速地完成这些消费（如在相邻店铺间移动速度极快），则存在高度嫌疑。
3.3. 盗卡测试： 盗卡者通常先在小额、低风险商户测试卡的有效性，成功后再进行大额盗刷。分析测试交易与后续大额交易发生地点的距离和发生时间的间隔，计算移动速度，可以判断是否属于同一欺诈链条。

量化风险程度： 移动距离和速度不仅仅是二元（正常/异常）的判断依据。它们可以作为连续变量输入到风控模型（如机器学习模型）中，用于量化风险评分。例如，距离用户常规位置越远、移动速度越快（越接近不可能值），其风险评分就越高，触发更严格的风控措施（如强认证、交易拦截、人工审核）。
补充验证用户身份： 在用户声称的位置（如通过IP定位）与设备实际检测到的位置存在显著差异（距离过大）时，可以作为要求进行额外身份验证（如生物识别、短信验证码）的触发条件。