Erzeugt massive synthetische Finanztransaktionsgraphen mit zyklischen Betrugsmustern zur Evaluierung von Graph-ML-Modellen.
Erstellen Sie benchmark-fähige Finanztransaktionsgraphen mit eingebetteten Multi-Hop-Geldwäschemustern.
gen-fraud-graph ist ein Python-Tool, das synthetische Finanztransaktionsdatensätze mit integrierten Geldwäscheringen generiert. Sie können es verwenden, um Graph Neural Networks zu evaluieren, Algorithmen zur Bekämpfung von Geldwäsche zu testen und Graphendatenbanken einem Lasttest zu unterziehen, ohne sensible Finanzdaten preiszugeben.
Das Tool erstellt synthetische Kontenknoten, normale Transaktionskanten und zyklische Betrugsringe, die sich über vier bis sieben Hops erstrecken. Es exportiert Datensätze im generischen CSV-Format oder in der AWS Neptune Bulk-Load-Syntax, komplett mit optionalen Voreinbettungen von lokalen oder OpenAI-Modellen. Die parallele Mehrprozessgenerierung ermöglicht es Ihnen, die Ausgabe von eintausend auf über zehn Millionen Konten zu skalieren.
Datenwissenschaftler, Machine-Learning-Ingenieure und Datenbankarchitekten, die an der Erkennung von Finanzkriminalität arbeiten, profitieren am meisten von diesem Tool. Es ist nicht für Endbenutzer gedacht, die vortrainierte Modelle oder eine grafische Benutzeroberfläche suchen, da Konfiguration und Ausführung vollständig über die Befehlszeile oder per Python-Skript erfolgen.
Generiert zyklische Multi-Hop-Geldwäschemuster mit konfigurierbarer Tiefe von 4 bis 7 Transaktionssprüngen.
Unterstützt Zufallsvektoren, lokale SentenceTransformers-Modelle oder OpenAI API-Integrationen für Knoten- und Kantenmerkmale.
Verteilt die Generatorausführung auf Mehrprozess-Worker, um Datensätze von bis zu Dutzenden Millionen Datensätzen zu erstellen.
Exportiert generierte CSV-Dateien, die direkt für das AWS Neptune Bulk-Loading formatiert sind, neben der standardmäßigen generischen CSV-Ausgabe.
gen-fraud-graph kann kostenlos unter der Apache-2.0 Lizenz ausgeführt werden. Ihre einzigen Kosten resultieren aus der für große Generierungen erforderlichen Recheninfrastruktur und Speicher sowie optionalen OpenAI API-Kosten, falls Sie sich für externe Cloud-Einbettungen entscheiden.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Die Ausgabegröße reicht von ca. 2 MB bei 1.000 Konten (Skala 0.0001) bis zu 20 GB oder mehr für 10 Millionen Konten (Skala 1.0).
Nein. Sie können den Standard-Anbieter 'fake' für schnelle Zufallsvektoren oder die Option 'local' verwenden, um Embeddings mit lokalen SentenceTransformers-Modellen ohne API-Gebühren zu generieren.
Zekai zuerst in Google sehen