Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Data Science › gen_fraud_graph
✦ Libre & open sourceData Science

gen_fraud_graph

Génère des graphiques massifs de transactions financières synthétiques avec des schémas de fraude cycliques pour évaluer les modèles de ML sur graphes.

Générateur de graphes financiers synthétiques pour la détection de fraude par GNN

Créez des graphes de transactions financières prêts pour les benchmarks, intégrant des schémas de blanchiment d'argent à plusieurs sauts.

Gratuit pour toujours · open source · Apache-2.0
✓ Light setup✓ Dans le navigateur✓ Collaboration en temps réel
7.6
ZEKAI
Idéal pour les benchmarks de ML sur graphes
Libre & open source · Data Science
Facilité d'installation7
Utilité9
Maintenance9.5
Communauté5
★ 290
GITHUB
Oct 2026
MIS À JOUR
Apache-2.0
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

gen-fraud-graph est un outil Python qui génère des ensembles de données de transactions financières synthétiques avec des réseaux de blanchiment d'argent intégrés. Vous pouvez l'utiliser pour évaluer des réseaux de neurones sur graphes, tester des algorithmes anti-blanchiment et effectuer des tests de charge sur des bases de données de graphes sans exposer de dossiers financiers sensibles.

Fonctionne sur
Cross-platform
Hébergement
Self-host
Langues
Python
Licence
Apache-2.0

Qu'est-ce que c'est

L'outil crée des nœuds de comptes synthétiques, des arêtes de transactions normales et des réseaux de fraude cycliques s'étendant sur quatre à sept sauts. Il exporte les jeux de données au format CSV générique ou en syntaxe de chargement en masse AWS Neptune, avec des embeddings vectoriels optionnels provenant de modèles locaux ou OpenAI. La génération parallèle multi-processus vous permet de faire passer les volumes de mille à plus de dix millions de comptes.

Pour qui

Les data scientists, les ingénieurs en machine learning et les architectes de bases de données travaillant sur la détection de la criminalité financière tireront le meilleur parti de cet outil. Il ne s'adresse pas aux utilisateurs finaux cherchant des modèles pré-entraînés ou une interface graphique, la configuration et l'exécution s'effectuant entièrement en ligne de commande ou via des scripts Python.

Fonctionnalités clés

Injection de réseaux de fraude

Génère des schémas de blanchiment d'argent cycliques à plusieurs sauts avec une profondeur configurable de 4 à 7 sauts de transaction.

Embeddings vectoriels flexibles

Prend en charge les vecteurs aléatoires, les modèles SentenceTransformers locaux ou les intégrations d'API OpenAI pour les caractéristiques des nœuds et des arêtes.

Contrôle d'échelle parallèle

Distribue l'exécution du générateur sur des processus multiples pour créer des jeux de données atteignant des dizaines de millions d'enregistrements.

Compatibilité AWS Neptune

Exporte les fichiers CSV générés au format adapté directement au chargement en masse d'AWS Neptune, en plus de la sortie CSV générique standard.

Comment démarrer

Opérationnel en 3 étapes

1
Clonez le dépôt depuis GitHub et configurez un environnement virtuel Python 3.10+ en utilisant uv ou pip.
2
Installez les dépendances à partir de la source en utilisant 'uv pip install -e .[dev]' ou sélectionnez des options d'embedding spécifiques.
3
Exécutez 'gen-fraud-graph' depuis la CLI avec le facteur d'échelle, le nombre de processus et le répertoire d'exportation souhaités.
Franchement

Notre verdict honnête

Ses atouts

  • Crée des jeux de données synthétiques conformes à la confidentialité sans s'appuyer sur de réels dossiers financiers.
  • Prend en charge la génération multi-processus pour gérer efficacement des sorties de graphes de plusieurs gigaoctets.
  • Comprend des scripts de vérification intégrés pour valider les structures de fraude générées après l'exportation.
  • Offre des options de reprise d'exécution pour ignorer les générations de comptes terminées après des interruptions.

Ses limites

  • Doit être installé directement à partir de la source car les paquets PyPI publiés ne sont pas encore disponibles.
  • La génération de benchmarks de plusieurs gigaoctets nécessite un espace de stockage sur disque important et la disponibilité de cœurs CPU.
  • Le choix de fournisseurs d'embeddings OpenAI externes entraîne des frais d'utilisation d'API tierces.
Coût

Tarifs & licence

gen-fraud-graph est gratuit sous licence Apache-2.0. Vos seuls coûts proviennent de l'infrastructure de calcul et du stockage nécessaires pour les grandes générations, ainsi que des coûts potentiels de l'API OpenAI si vous choisissez des embeddings cloud externes.

Travail rémunéré

Missions pour francophones

877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : gen_fraud_graph pour Data Science
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons gen_fraud_graph pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Quelle est la taille des fichiers de sortie générés par gen-fraud-graph ?

La taille de la sortie varie d'environ 2 Mo pour 1 000 comptes (échelle 0.0001) jusqu'à 20 Go ou plus pour 10 millions de comptes (échelle 1.0).

Ai-je besoin d'une clé API OpenAI pour exécuter cet outil ?

Non. Vous pouvez utiliser le fournisseur par défaut 'fake' pour des vecteurs aléatoires rapides ou l'option 'local' pour générer des embeddings à l'aide de modèles SentenceTransformers locaux sans frais d'API.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Data Science — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google