Khush7349/fraud-intelligence-platform

# 🚨 欺诈情报平台 一个针对支付流的实时欺诈检测系统，结合了机器学习、基于规则的分析和 LLM 驱动的解释。 ## 🚀 概述 本项目模拟了一个**现代金融科技欺诈检测流水线**。交易被实时流式传输，通过异常检测模型和行为规则进行分析、风险评分，并使用 LLM 进行解释。 该系统旨在反映现实世界中的银行和支付欺诈引擎的运作方式。 ## 🔥 核心功能 - ⚡ 实时交易流 - 🧠 基于机器学习的异常检测 - Isolation Forest - Autoencoder - ⚙️ 基于规则的欺诈检测 - 速度（交易突增） - 地理异常（不可能的行程） - 商户行为偏差 - 📊 风险评分引擎（机器学习与规则结合） - 🤖 LLM 驱动的对标记交易的详细解释 - 🖥️ 用于监控和调查的交互式仪表板 ## 🧠 系统架构 ``` Transaction Stream ↓ Preprocessing Layer ↓ Detection Layer (ML) ↓ Rule Engine ↓ Risk Scoring ↓ LLM Explanation ↓ Dashboard ``` ## 📁 项目结构 ``` fraud-intelligence-platform/ │ ├── core/ # Pipeline + state management ├── detectors/ # ML models (Isolation Forest, Autoencoder) ├── rules/ # Rule-based detection ├── scoring/ # Risk engine ├── intelligence/ # LLM reasoning ├── ingestion/ # Streaming + preprocessing ├── dashboard/ # Streamlit UI │ ├── data/ # Training data ├── models/ # Trained models │ ├── train.py # Model training script ├── main.py # Real-time engine ├── config.py └── requirements.txt ``` ## ⚙️ 设置说明 ### 1. 克隆仓库 - git clone https://github.com/your-username/fraud-intelligence-platform.git - cd fraud-intelligence-platform ### 2. 创建虚拟环境 python -m venv venv - source venv/bin/activate # macOS/Linux - venv\Scripts\activate # Windows ### 3. 安装依赖 pip install -r requirements.txt ### 4. 生成数据集 python data/generate_data.py ### 5. 训练模型 python train.py ### 6. 运行系统（流式引擎） python main.py ### 7. 运行仪表板 streamlit run dashboard/app.py ## 🧠 工作原理 1. 交易通过流式模拟器生成 2. 数据被预处理并丰富 3. 机器学习模型检测异常 4. 规则引擎检查行为模式 5. 风险引擎计算最终的欺诈评分 6. LLM 生成人类可读的解释 7. 仪表板显示警报和洞察 ## 📊 示例输出 Transaction: txn_123456 User: user_3 Amount: 15000 Risk Score: 87 Risk Level: CRITICAL ⚠️ FRAUD ALERT High transaction velocity detected Unusual merchant category Behavioral anomaly detected AI Explanation: Transaction flagged due to unusual spending pattern and rapid activity... ## 👤 作者 **Khushi Sharma** ## ⭐ 如果您喜欢这个项目 请给它一个 Star，并随时 Fork 或改进它！

标签：Apex, C2, DLL 劫持, IP 地址批量处理, Kubernetes, LLM解释, Python, Streamlit, 云计算, 交互式仪表盘, 交易监控, 代码示例, 反欺诈, 大语言模型, 密码管理, 异常检测, 支付安全, 数据分析, 数据流处理, 无后门, 机器学习, 欺诈检测, 网络安全, 自编码器, 规则引擎, 访问控制, 逆向工具, 金融安全, 金融科技, 隐私保护, 隔离森林, 风控引擎, 风控系统, 风险控制, 风险评分