abyudh-kattemane/fincrime-sentinel

# FinCrime 哨兵 [](https://github.com/abyudhkattemane/fincrime-sentinel/actions/workflows/ci.yml) 一个符合 AUSTRAC 标准的 AML 交易监控系统。结合基于规则的类型学检测、ML 警报优先级排序，以及基于 IBM 合成 AML 数据集的 LLM 辅助调查员报告撰写。 ## 问题所在 澳大利亚银行每年在 AML 合规上支出超过 15 亿澳元。行业交易监控的误报率高达 90-95%，这意味着调查员需要审查十次警报才能发现一起真正的洗钱案件。2026 年 AUSTRAC AML/CTF 改革进一步提高了标准。大多数 AML 系统将此视为数量问题。本项目则将其视为设计问题。 ## 解决方案 四个层面： 1. **规则引擎**检测四种 AUSTRAC 类型学：拆分交易、拆分洗钱、快速穿透、速度异常 2. **ML 警报评分**以优先处理高置信度警报 3. **LLM 案例助手**通过 RAG 技术根据真实 AUSTRAC 指导撰写符合 AUSTRAC 标准的 SMR 报告 4. **监控**模型漂移、精度漂移和 LLM 输出质量 底层还有分析工程层（dbt on DuckDB/Motherduck），并通过 FastAPI + Streamlit + Power BI 进行部署。 ## 状态 这个项目将在 8 周内公开构建。进度在 `retrospectives/` 中追踪。 **第 1 周（当前）：** 代码库基础、探索性数据分析、规则引擎搭建。 ## 技术栈 - **数据与分析工程：** Python、pandas、DuckDB、dbt、Parquet - **机器学习：** scikit-learn、XGBoost、SHAP、NetworkX - **大语言模型：** Anthropic API、基于 AUSTRAC PDF 的 RAG - **服务部署：** FastAPI、Streamlit、Power BI - **基础设施：** uv、ruff、pytest、pre-commit、GitHub Actions、Fly.io ## 数据 合成但真实。参见 [`data/README.md`](

标签：AML, Apex, AUSTRAC, AV绕过, dbt, DLL 劫持, DuckDB, FastAPI, Kubernetes, LLM, NetworkX, RAG, RegTech, SHAP, Streamlit, TCP/UDP协议, Unmanaged PE, XGBoost, 云计算, 交易监控, 代码示例, 反洗钱, 合规科技, 大语言模型, 安全规则引擎, 异常检测, 快速穿透交易, 数据分析, 机器学习, 模型漂移, 模型监控, 洗钱检测, 澳大利亚金融, 特权检测, 突变策略, 结构化交易, 规则引擎, 警报优先级, 访问控制, 逆向工具, 金融合规, 金融犯罪检测, 银行合规