siddheshpatil3637-git/safebank-fraud-detection
GitHub: siddheshpatil3637-git/safebank-fraud-detection
一个端到端的银行交易欺诈检测机器学习平台，融合有监督分类与无监督异常检测，通过 Streamlit 仪表板实现实时风险监控与分析。
Stars: 0 | Forks: 0
# 🛡️ SafeBank 交易异常检测平台
一个端到端的银行安全平台，能够检测异常的交易行为，
并通过有监督机器学习和无监督异常检测来预测潜在的欺诈行为，
结果通过交互式的 Streamlit 仪表板进行展示。
## 1. 项目概述
| | |
|---|---|
| **行业** | 银行 / 金融服务 |
| **问题类型** | 二分类欺诈分类 + 无监督异常检测 |
| **数据** | 由 `generate_synthetic_data.py` 生成的合成银行交易数据集（120,000 笔交易 / 3,000 名客户）—— 随时可替换为具有相同 schema 的真实数据集 |
| **欺诈率** | ~1.4%（符合真实情况的不平衡比例） |
| **输出** | 每笔交易的风险评分 (0–100) + 风险等级（低/中/高/严重），并在实时仪表板中展示 |
该平台融合了两种互补的检测策略：
1. **有监督分类器** (Logistic Regression, Decision Tree, Random Forest, XGBoost) —— 从已标记的历史数据中学习*已知*的欺诈模式。
2. **无监督异常检测器** (Isolation Forest, Local Outlier Factor, One-Class SVM) —— 标记与任何已标记模式都不匹配的*新型*交易行为，完全不需要欺诈标签。
这两种信号被融合为一个单一的**风险评分** (`src/risk_scoring.py`)，用于驱动仪表板的警报、客户风险画像以及实时模拟。
## 2. 文件夹结构
```
SafeBank-Fraud-Detection/
├── data/
│ ├── raw/
│ │ └── banking_transactions.csv # synthetic source data
│ └── processed/
│ ├── transactions_clean.csv # after preprocessing
│ ├── transactions_features.csv # after feature engineering
│ ├── transactions_with_anomaly_scores.csv
│ ├── transactions_scored.csv # final: fraud prob + risk score
│ └── customer_risk_profiles.csv # customer-level aggregates
├── src/
│ ├── utils.py # shared paths & helpers
│ ├── data_preprocessing.py # Requirement 1
│ ├── feature_engineering.py # Requirement 1 (feature engineering)
│ ├── eda.py # Requirement 2
│ ├── train_supervised_models.py # Requirement 3 (supervised) + 4 (evaluation)
│ ├── train_anomaly_models.py # Requirement 3 (anomaly detection)
│ ├── model_evaluation.py # Requirement 4 (consolidated report)
│ └── risk_scoring.py # Requirement 6 (risk scoring engine)
├── dashboard/
│ └── app.py # Requirement 5 + 6 (Streamlit dashboard)
├── models/ # saved .joblib models & encoders
├── reports/
│ ├── figures/ # all EDA / evaluation PNGs
│ └── metrics/ # CSV/JSON/Markdown evaluation reports
├── docs/
│ ├── ARCHITECTURE.md
│ └── DEPLOYMENT.md
├── generate_synthetic_data.py # synthetic dataset generator
├── run_pipeline.py # one-command full pipeline runner
├── requirements.txt
└── README.md
```
## 3. 快速开始
```
# 1. Clone / unzip the project, then create a virtual environment
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 2. Install dependencies
pip install -r requirements.txt
# 3. Run the full pipeline (generates data if missing, then preprocesses,
# engineers features, runs EDA, trains all 7 models, scores risk)
python run_pipeline.py
# 4. Launch the interactive dashboard
streamlit run dashboard/app.py
```
仪表板将在 `http://localhost:8501` 打开。
### 单独运行步骤
```
python generate_synthetic_data.py --n_customers 3000 --n_transactions 120000
python src/data_preprocessing.py
python src/feature_engineering.py
python src/eda.py
python src/train_supervised_models.py
python src/train_anomaly_models.py
python src/model_evaluation.py
python src/risk_scoring.py
streamlit run dashboard/app.py
```
### 使用您自己的数据集
将 `data/raw/banking_transactions.csv` 替换为一个包含（至少）
以下列的 CSV 文件，然后运行 `python run_pipeline.py`（它会检测并重用
现有的原始文件）：
```
Transaction_ID, Customer_ID, Transaction_Amount, Transaction_Type,
Transaction_Date, Merchant_Category, Location, Device_Type,
Account_Balance, Transaction_Status, Fraud_Label (optional)
```
如果缺少 `Fraud_Label`，请跳过 `train_supervised_models.py` 并依赖
异常检测模型以及 `risk_scoring.py` 中基于规则的回退机制
（关于推荐的适配方案，请参阅 `docs/ARCHITECTURE.md`）。
## 4. 数据预处理 (`src/data_preprocessing.py`)
- **缺失值** —— 数值列使用按交易类型计算的中位数进行填充；类别列使用众数进行填充。
- **重复项** —— 通过 `Transaction_ID` 和整行匹配进行删除。
- **异常值** —— 对 `Transaction_Amount` 和 `Account_Balance` 进行基于 IQR 的缩尾处理 (3× IQR)，并保留 `Is_
标签：Apex, Kubernetes, Streamlit, XGBoost, 反欺诈检测, 异常检测, 机器学习, 访问控制, 逆向工具, 金融科技