omkarmense991/sentinelflow-fraud-detection

# Sentinel 流程 面向金融欺诈检测的生产级机器学习工程项目。 ## 概述 SentinelFlow 是一个可扩展的欺诈检测平台，旨在模拟金融系统中实际使用的机器学习工程流程。 该项目通过多个阶段演进： 1. 传统机器学习欺诈检测流水线 2. 生产级推理服务 3. 基于图神经网络的关系型欺诈检测 ## 目标 - 学习生产环境机器学习工程流程 - 理解欺诈检测系统 - 处理严重的类别不平衡问题 - 构建模块化训练流水线 - 部署实时欺诈预测 API - 探索基于图的欺诈分析 ## 技术栈 - Python - Scikit-learn - XGBoost - FastAPI - PostgreSQL - Docker - PyTorch Geometric ## 数据集 信用卡欺诈检测数据集： https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud ## 项目结构 [稍后添加结构] ## 路线图 ### 第一阶段 传统机器学习欺诈检测流水线 ### 第二阶段 生产级推理平台 ### 第三阶段 用于欺诈检测的图神经网络

标签：API部署, AV绕过, Docker, FastAPI, ML工作流, PostgreSQL, PyTorch Geometric, Scikit-learn, XGBoost, 传统机器学习, 可扩展平台, 图分析, 图神经网络, 安全防御评估, 实时推理, 机器学习工程, 模块化训练管道, 欺诈分析, 测试用例, 生产化机器学习, 类别不平衡处理, 请求拦截, 逆向工具, 金融欺诈检测