医疗保险作为社会保障的重要的一环,在全民健康保健方面发挥了至关重要的作用。然而自医疗保险医疗制度实施以来,骗取医保基金的行为不断出现,严重侵犯他人利益和妨碍我国医疗保险政策的长期可持续发展。医疗事件流数据具有数据量大、产生快速以及变化频繁的特点。如何从量大、快速和时变的流数据中实时发现医疗违规行为,传统的处理方式已经不能解决实际的问题。本文在实时流数据计算引擎研究的基础上,对医疗事件流数据的实时检测识别、场景可视化监控以及基于微服务的系统架构方法进行了深入的探讨,设计并实现基于流数据的医保欺诈实时检测可视化系统,为医保领域的欺诈行为实时检测以及可监控提供有效的实践方法。论文的主要工作如下:(1)流数据的处理。医疗保险数据是由数千计医疗事件持续生成的流数据,本文采用流数据框架实时计算方式实现对医保欺诈行为的监控追踪,基于Kafka数据总线构建实时数仓模型来保证流数据的实时传输与存储,为欺诈违规行为的检测处理提供数据源。(2)检测算法集成。由于欺诈行为不是一成不变的,便捷地集成检测算法是应对欺诈行为变化的需要。论文深入分析了面向领域的算法集成流程,在流数据处理的基础上,提出了一种基于数据集的算法集成框架,通过对集成结构动态配置完成检测算法与数据源以及计算结果集与结果展现之间的映射关系的动态绑定,解决算法数据源以及结果展现数据源的适配问题,从而保证欺诈行为的实时检测得以实现。(3)数据的可视化。为了迅速理解欺诈检测所获得的数据的背后含义,需要对检测数据实体进行解析、传输与可视化展示。论文确定了欺诈检测行为展现的内容。基于接口隔离原则构建了可视化展现模型,进行数据处理逻辑与数据的展现解耦,实现数据展现的复用性和通用性。采用节点编程定义图层与图层之间的交互行为,完成欺诈数据的实时展示与多维度深度钻取。(4)系统总体设计与关键技术。围绕医疗保险领域欺诈检测动态变化的特点,基于软件复用的理念,进行了系统总体结构、技术架构、开发模式以及功能集成架构的设计。对系统集成、应用集成、可视化交互服务进行了详细的设计并对关键技术进行实现,主要包括基于中间件监控的流数据实时解析传输处理,适应流数据特性的算法泛化应用改进,采用节点编程技术完成不同层次划分的深度钻取可视化交互操作以及利用微服务框架完成组件间的协同工作响应与监控。(5)原型系统实现。在上述工作基础上,对原型系统进行实现。系统运行结果表明了系统架构方法的可行性和有效性。