sivakumar-shahanaa/StyleGuard

GitHub: sivakumar-shahanaa/StyleGuard

StyleGuard 是一个面向时尚电商的全栈欺诈检测平台,结合机器学习模型与规则引擎对交易进行实时风险评分。

Stars: 0 | Forks: 0

# StyleGuard StyleGuard 是一个面向时尚电商的实时金融科技安全平台。它模拟了一个奢侈品转售市场,标记可疑交易,并为高需求产品限量发售(drops)提供实时欺诈动态流。后端结合了 Isolation Forest 模型与显式欺诈规则,对交易进行评分,并在特定于时尚领域的上下文中揭示高风险行为。 ## 项目结构 - backend/ — FastAPI 应用、欺诈评分逻辑和流处理 worker - data/ — 合成时尚交易数据集生成器及输出 JSONL 文件 - dashboard/ — 未来 React 仪表板的占位目录 - docs/ — 扩展说明和架构参考 ## 包含内容 - 生成 10,000+ 条时尚交易的合成数据集 - 用于健康检查和交易接入的 FastAPI endpoint - 结合特征工程的基于 Isolation Forest 的欺诈评分 - 针对奢侈品和高频交易模式的基于规则的欺诈覆盖机制 - 用于实时事件模拟的 Redis Streams 生产者和消费者工作流 - 面向 PostgreSQL 的 ORM 层和 docker-compose 设置 ## 快速开始 1. 创建并激活虚拟环境 - python -m venv .venv - source .venv/bin/activate 2. 安装依赖 - pip install -r requirements.txt 3. 生成数据集并训练模型 - python data/generate.py - python backend/fraud/train.py 4. 运行 API - uvicorn backend.main:app --reload 5. 可选服务 - docker compose up -d postgres redis - python backend/streaming/producer.py - python backend/streaming/consumer.py ## 验证 本仓库包含针对欺诈特征构建器和规则引擎的回归测试。使用以下命令运行测试: - pytest -q
标签:AV绕过, FastAPI, Isolation Forest, 反欺诈, 后端开发, 异常检测, 搜索引擎查询, 流处理, 测试用例, 电商风控, 请求拦截, 逆向工具