Gera gráficos maciços de transações financeiras sintéticas com padrões de fraude cíclica para benchmarking de modelos de ML de grafos.
Construa gráficos de transações financeiras prontos para benchmark com padrões embutidos de lavagem de dinheiro em múltiplos saltos.
gen-fraud-graph é uma ferramenta em Python que gera conjuntos de dados de transações financeiras sintéticas com redes de lavagem de dinheiro embutidas. Você pode usá-la para fazer benchmarking de redes neurais de grafos, avaliar algoritmos de prevenção à lavagem de dinheiro e testar a carga de bancos de dados de grafos sem expor registros financeiros sensíveis.
A ferramenta cria nós de contas sintéticas, arestas de transações normais e anéis de fraude cíclica que abrangem de quatro a sete saltos. Ela exporta conjuntos de dados em formato CSV genérico ou sintaxe de carregamento em massa do AWS Neptune, completos com incorporações vetoriais opcionais de modelos locais ou da OpenAI. A geração paralela multi-processo permite dimensionar saídas de mil a mais de dez milhões de contas.
Cientistas de dados, engenheiros de aprendizado de máquina e arquitetos de banco de dados que trabalham na detecção de crimes financeiros se beneficiarão mais desta ferramenta. Ela não se destina a usuários finais que buscam modelos pré-treinados ou uma interface gráfica de usuário, pois a configuração e a execução ocorrem inteiramente na linha de comando ou por meio de scripts em Python.
Gera padrões cíclicos de lavagem de dinheiro em múltiplos saltos com profundidade configurável de 4 a 7 saltos de transação.
Suporta vetores aleatórios, modelos locais SentenceTransformers ou integrações com a API da OpenAI para recursos de nós e arestas.
Distribui a execução do gerador entre trabalhadores multi-processo para criar conjuntos de dados de até dezenas de milhões de registros.
Exporta arquivos CSV gerados formatados diretamente para o carregamento em massa do AWS Neptune, juntamente com a saída CSV genérica padrão.
gen-fraud-graph é gratuito para executar sob a licença Apache-2.0. Seus únicos custos decorrem da infraestrutura de computação e armazenamento necessários para gerações grandes, juntamente com custos opcionais da API da OpenAI se você selecionar incorporações de nuvem externas.
873 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
O tamanho da saída varia de aproximadamente 2 MB a 1.000 contas (escala 0.0001) até 20 GB ou mais para 10 milhões de contas (escala 1.0).
Não. Você pode usar o provedor padrão 'fake' para vetores aleatórios rápidos ou a opção 'local' para gerar incorporações usando modelos locais SentenceTransformers sem taxas de API.
Veja o Zekai primeiro no Google