KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Datenwissenschaft › gen_fraud_graph
✦ Frei & Open SourceDatenwissenschaft

gen_fraud_graph

Erzeugt massive synthetische Finanztransaktionsgraphen mit zyklischen Betrugsmustern zur Evaluierung von Graph-ML-Modellen.

Synthetischer Finanzgraphen-Generator für GNN-Betrugserkennung

Erstellen Sie benchmark-fähige Finanztransaktionsgraphen mit eingebetteten Multi-Hop-Geldwäschemustern.

Für immer kostenlos · Open Source · Apache-2.0
✓ Light setup✓ Im Browser✓ Echtzeit-Zusammenarbeit
7.6
ZEKAI
Großartig für Graph-ML-Benchmarks
Frei & Open Source · Datenwissenschaft
Einfache Einrichtung7
Nützlichkeit9
Wartung9.5
Community5
★ 290
GITHUB
Oct 2026
AKTUALISIERT
Apache-2.0
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

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.

Läuft auf
Cross-platform
Hosting
Self-host
Sprachen
Python
Lizenz
Apache-2.0

Was es ist

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.

Für wen

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.

Wichtige Funktionen

Betrugsring-Injektion

Generiert zyklische Multi-Hop-Geldwäschemuster mit konfigurierbarer Tiefe von 4 bis 7 Transaktionssprüngen.

Flexible Vektor-Embeddings

Unterstützt Zufallsvektoren, lokale SentenceTransformers-Modelle oder OpenAI API-Integrationen für Knoten- und Kantenmerkmale.

Parallele Skalierungskontrolle

Verteilt die Generatorausführung auf Mehrprozess-Worker, um Datensätze von bis zu Dutzenden Millionen Datensätzen zu erstellen.

AWS Neptune-Kompatibilität

Exportiert generierte CSV-Dateien, die direkt für das AWS Neptune Bulk-Loading formatiert sind, neben der standardmäßigen generischen CSV-Ausgabe.

Erste Schritte

Startklar in 3 Schritten

1
Klonen Sie das Repository von GitHub und richten Sie eine virtuelle Python 3.10+ Umgebung mit uv oder pip ein.
2
Installieren Sie Abhängigkeiten aus dem Quellcode mit 'uv pip install -e .[dev]' oder wählen Sie spezifische optionale Embedding-Extras.
3
Führen Sie 'gen-fraud-graph' über die CLI mit Ihrem gewünschten Skalierungsfaktor, der Worker-Anzahl und dem Exportverzeichnis aus.
Klartext

Unser ehrliches Fazit

Stärken

  • Erstellt datenschutzkonforme synthetische Datensätze, ohne auf echte Finanzunterlagen angewiesen zu sein.
  • Unterstützt die Mehrprozessgenerierung, um Multi-Gigabyte-Graphenausgaben effizient zu verarbeiten.
  • Enthält integrierte Verifizierungsskripte zur Validierung der generierten Betrugsstrukturen nach dem Export.
  • Bietet Optionen zum Fortsetzen der Ausführung, um abgeschlossene Kontengenerierungen nach Unterbrechungen zu überspringen.

Schwächen

  • Muss direkt aus dem Quellcode installiert werden, da veröffentlichte PyPI-Pakete noch nicht verfügbar sind.
  • Das Generieren von Multi-Gigabyte-Benchmarks erfordert erheblichen Speicherplatz und verfügbare CPU-Kerne.
  • Die Auswahl externer OpenAI-Embedding-Anbieter führt zu API-Nutzungsgebühren von Drittanbietern.
Kosten

Preise & Lizenz

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.

Bezahlte Arbeit

Stellen für Deutschsprachige

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.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: gen_fraud_graph für Datenwissenschaft
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren gen_fraud_graph für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Wie groß sind die von gen-fraud-graph generierten Ausgabedateien?

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).

Benötige ich einen OpenAI API-Schlüssel, um dieses Tool auszuführen?

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.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Datenwissenschaft — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen