NamitSharma1/FinGuard-AI

# 🛡️ FinGuard AI 使用机器学习、FastAPI、Streamlit 和 Docker 构建的端到端信用卡欺诈检测平台。 ## 🚀 项目概述 FinGuard AI 利用先进的机器学习技术检测欺诈性信用卡交易。 项目包括： - 探索性数据分析 (EDA) - 特征工程 - 使用 SMOTE 进行数据平衡 - 模型基准测试 - XGBoost 欺诈检测模型 - FastAPI 后端 - Streamlit 仪表板 - Docker 容器化 ## 🏗️ 技术栈 - Python - Pandas - NumPy - Scikit-Learn - XGBoost - TensorFlow (ANN 基准) - FastAPI - Streamlit - Docker ## 📂 项目结构 ``` FinGuard-AI │ ├── api/ ├── dashboard/ ├── notebooks/ ├── models/ ├── data/ ├── Dockerfile ├── requirements.txt └── README.md ``` ## 🤖 评估的模型 - 逻辑回归 - 随机森林 - XGBoost - LightGBM - 人工神经网络 (ANN) 最终选定的模型： ✅ XGBoost ## 📊 关键特性 - 欺诈预测 API - 交互式仪表板 - 阈值调整 - 以召回率为重点的欺诈检测 - Docker 化部署 ## ⚡ 本地运行 ### 创建环境 ``` python -m venv venv ``` ### 激活环境 ``` venv\Scripts\activate ``` ### 安装依赖项 ``` pip install -r requirements.txt ``` ### 运行 FastAPI ``` uvicorn api.main:app --reload ``` ### 运行 Streamlit ``` streamlit run dashboard/app.py ``` ## 🐳 Docker 构建 Docker 镜像 ``` docker build -t finguard-ai . ``` 运行容器 ``` docker run -p 8000:8000 finguard-ai ``` ## 👨‍💻 作者 Namit Sharma GitHub: https://github.com/NamitSharma1

标签：Apex, API开发, AV绕过, Docker, FastAPI, Kubernetes, LightGBM, NumPy, Python, Scikit-Learn, SMOTE, Streamlit, TensorFlow, XGBoost, 交互式仪表盘, 人工智能, 代码示例, 信用卡欺诈检测, 安全防御评估, 容器化部署, 数据分析, 数据科学, 无后门, 机器学习, 模型评估, 欺诈预防, 特征工程, 用户模式Hook绕过, 神经网络, 访问控制, 请求拦截, 资源验证, 逆向工具, 金融科技, 随机森林