1. 项目背景与核心价值
高校防诈骗宣传平台是当前数字化校园建设中极具现实意义的应用系统。随着网络诈骗手段不断升级，大学生群体由于社会经验相对不足，往往成为诈骗分子的重点目标。传统防诈骗宣传主要依靠线下讲座、海报等单向传播方式，存在覆盖面有限、互动性差、效果难以量化等问题。
这个基于SpringBoot的智能防诈骗宣传平台，通过技术手段实现了三大突破：
- 教育内容数字化：将典型案例、防骗知识转化为可交互的多媒体内容
- 宣传方式智能化：根据用户画像实现精准推送和个性化学习路径
- 反馈机制实时化：建立师生双向交流渠道和预警上报系统
2. 技术架构设计
2.1 整体技术栈选型
采用经典的三层架构设计：
- 前端：Vue.js + ElementUI（适配移动端）
- 后端：SpringBoot 2.7 + Spring Security
- 数据库：MySQL 8.0
- 中间件：Redis + RabbitMQ
选择SpringBoot的核心考量：
- 自动配置特性大幅简化毕设开发流程
- 丰富的starter依赖可快速集成安全、缓存等功能
- 内嵌Tomcat便于部署演示
- 完善的文档社区支持降低学习成本
2.2 数据库关键设计
用户表核心字段示例：
sql复制CREATE TABLE `user` (
`id` bigint NOT NULL AUTO_INCREMENT,
`student_id` varchar(20) NOT NULL COMMENT '学号',
`real_name` varchar(50) DEFAULT NULL,
`college` varchar(100) COMMENT '学院',
`risk_level` tinyint DEFAULT 0 COMMENT '风险等级',
`last_login_ip` varchar(50),
PRIMARY KEY (`id`),
UNIQUE KEY `idx_student_id` (`student_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
诈骗案例表设计要点：
- 采用JSON类型存储多维度标签（诈骗类型、受害群体等）
- 包含阅读量、点赞量等互动指标字段
- 设置内容安全审核状态字段
3. 核心功能实现
3.1 智能内容推荐模块
实现基于用户行为的混合推荐算法：
- 协同过滤：根据相似用户群体推荐
- 内容匹配：基于用户已读案例标签推荐
- 热榜加权：近期高关注内容优先展示
核心Java代码片段：
java复制public List<CaseVO> recommendCases(Long userId) {
// 获取用户基础画像
UserProfile profile = profileService.getProfile(userId);
// 并行获取各推荐源
CompletableFuture<List<CaseVO>> cf1 = CompletableFuture.supplyAsync(
() -> cfRecommender.recommend(profile));
CompletableFuture<List<CaseVO>> cf2 = CompletableFuture.supplyAsync(
() -> contentRecommender.recommend(profile));
// 合并推荐结果并去重
return CompletableFuture.allOf(cf1, cf2)
.thenApply(v -> Stream.concat(
cf1.join().stream(),
cf2.join().stream())
.distinct()
.sorted(Comparator.comparingDouble(CaseVO::getScore).reversed())
.limit(20)
.collect(Collectors.toList()));
}
3.2 实时预警与上报系统
关键技术实现：
- 使用WebSocket建立实时通信通道
- 敏感词过滤采用DFA算法优化性能
- 结合IP地理位置分析异常登录
java复制@Slf4j
@Component
public class FraudAlertHandler extends TextWebSocketHandler {
@Autowired
private KeywordFilter keywordFilter;
@Override
protected void handleTextMessage(WebSocketSession session,
TextMessage message) throws Exception {
String content = message.getPayload();
if(keywordFilter.containsSensitive(content)) {
session.sendMessage(new TextMessage("检测到敏感内容，已自动上报"));
alertService.report(session.getPrincipal().getName(), content);
} else {
// 正常消息处理逻辑
}
}
}
4. 安全防护设计
4.1 多层次安全防护
-
接口安全：
- JWT令牌认证
- 关键接口限流（使用Guava RateLimiter）
- 参数过滤（XSS/SQL注入防护）
-
数据安全：
- 敏感字段AES加密存储
- 数据库定时备份
- 操作日志审计追踪
4.2 典型安全配置示例
Spring Security配置核心代码：
java复制@Configuration
@EnableWebSecurity
public class SecurityConfig extends WebSecurityConfigurerAdapter {
@Override
protected void configure(HttpSecurity http) throws Exception {
http.csrf().disable()
.authorizeRequests()
.antMatchers("/api/public/**").permitAll()
.antMatchers("/api/student/**").hasRole("STUDENT")
.antMatchers("/api/admin/**").hasRole("ADMIN")
.anyRequest().authenticated()
.and()
.addFilter(new JwtAuthenticationFilter(authenticationManager()))
.sessionManagement()
.sessionCreationPolicy(SessionCreationPolicy.STATELESS);
}
}
5. 项目部署与优化
5.1 性能优化实践
-
缓存策略：
- 热点数据使用Redis缓存
- 本地缓存Caffeine二级缓存
- 缓存击穿解决方案：互斥锁+逻辑过期
-
数据库优化：
- 读写分离配置
- 慢SQL监控（通过阿里云DMS）
- 索引优化（使用EXPLAIN分析）
5.2 典型部署方案
使用Docker-compose部署的示例配置：
yaml复制version: '3'
services:
mysql:
image: mysql:8.0
environment:
MYSQL_ROOT_PASSWORD: ${DB_PASSWORD}
volumes:
- ./mysql-data:/var/lib/mysql
redis:
image: redis:6-alpine
ports:
- "6379:6379"
app:
build: .
ports:
- "8080:8080"
depends_on:
- mysql
- redis
6. 毕设开发经验总结
-
需求分析阶段：
- 务必与指导老师确认评分侧重点
- 绘制完整的用例图和流程图
- 提前规划答辩演示场景
-
技术实现建议：
- 使用Lombok简化POJO代码
- 采用Swagger生成API文档
- 编写单元测试保证核心逻辑
-
常见问题规避：
- 跨域问题：统一配置CORS策略
- 时区问题：数据库连接串添加时区参数
- 依赖冲突：使用mvn dependency:tree分析
关键提示：在实现举报功能时，务必注意异步处理机制，避免因同步等待导致接口超时。实测表明，采用RabbitMQ异步处理举报信息，可使接口响应时间从1200ms降至200ms左右。