sangameshk357-lang/FraudGuard-Machine-Learning-Based-Credit-Card-Fraud-Detection-System-
GitHub: sangameshk357-lang/FraudGuard-Machine-Learning-Based-Credit-Card-Fraud-Detection-System-
基于机器学习的信用卡欺诈检测 Web 应用，利用逻辑回归模型对交易进行实时分类，帮助识别潜在欺诈行为。
Stars: 0 | Forks: 0
# FraudGuard — 信用卡欺诈检测
简单、专业的欺诈检测应用，使用 Logistic Regression。
模型已预训练并准备就绪 — 无需配置。
## 快速开始
```
# 安装 dependencies
pip install -r requirements.txt
# 训练 model（运行一次）
python train_model.py
# 启动 app
python app.py
# 打开浏览器
# http://localhost:5050
```
## 包含内容
| 文件 | 用途 |
|------|---------|
| `train_model.py` | 训练模型并生成两个数据集 |
| `app.py` | Flask Web 服务器 |
| `templates/index.html` | 仪表盘 UI |
| `data/transactions.csv` | 5,000 笔交易（主数据集） |
| `data/test_dataset.csv` | 500 笔交易（用于验证） |
| `models/` | 保存的模型、scaler 和元数据 |
## 功能
- **主数据集标签页** — 扫描所有 5,000 笔交易，按结果/风险筛选
- **测试与验证标签页** — 比较预测值与实际标签（证明模型有效）
- **手动检查** — 输入金额 + 小时即可即时分类任何交易
- 搜索，按欺诈/合法/风险级别筛选
- 模型统计信息显示在页眉中（AUC、F1、threshold）
标签：Apex, Flask, Python, Scikit-learn, 后端开发, 多模态安全, 无后门, 机器学习, 欺诈检测, 逆向工具, 金融风控