Генерирует массивные синтетические графы финансовых транзакций с циклическими паттернами мошенничества для бенчмаркинга графовых ML-моделей.
Создавайте готовые для бенчмаркинга графы финансовых транзакций со встроенными многоходовыми паттернами отмывания денег.
gen-fraud-graph — это инструмент на Python, который генерирует синтетические наборы данных финансовых транзакций со встроенными кольцами отмывания денег. Вы можете использовать его для бенчмаркинга графовых нейронных сетей, оценки алгоритмов борьбы с отмыванием денег и нагрузочного тестирования графовых баз данных без раскрытия конфиденциальных финансовых записей.
Инструмент создает синтетические узлы учетных записей, ребра обычных транзакций и циклические кольца мошенничества протяженностью от четырех до семи шагов. Он экспортирует наборы данных в универсальном формате CSV или синтаксисе пакетной загрузки AWS Neptune, дополненном опциональными векторными эмбеддингами из локальных моделей или моделей OpenAI. Многопроцессная параллельная генерация позволяет масштабировать результаты от одной тысячи до более чем десяти миллионов учетных записей.
Дата-саентисты, инженеры по машинному обучению и архитекторы баз данных, занимающиеся обнаружением финансовых преступлений, получат наибольшую пользу от этого инструмента. Он не предназначен для конечных пользователей, ищущих предобученные модели или графический интерфейс пользователя, так как настройка и выполнение происходят полностью в командной строке или с помощью Python-скриптов.
Генерирует многоходовые циклические паттерны отмывания денег с настраиваемой глубиной от 4 до 7 шагов транзакций.
Поддерживает случайные векторы, локальные модели SentenceTransformers или интеграции с API OpenAI для признаков узлов и ребер.
Распределяет выполнение генератора между многопроцессными воркерами для создания наборов данных размером до десятков миллионов записей.
Экспортирует сгенерированные CSV-файлы, отформатированные специально для пакетной загрузки в AWS Neptune, наряду со стандартным универсальным выводом CSV.
gen-fraud-graph бесплатен для запуска по лицензии Apache-2.0. Ваши единственные расходы связаны с вычислительной инфраструктурой и хранилищем, необходимыми для масштабных генераций, а также с опциональными затратами на API OpenAI, если вы выбираете внешние облачные эмбеддинги.
879 открытых удалённых вакансий по обучению ИИ, обновлено 15 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Эти проверенные ИИ-инструменты делают то же самое мгновенно — из нашего оценённого каталога.
Размер вывода варьируется от примерно 2 МБ при 1000 учетных записей (масштаб 0.0001) до 20 ГБ и более для 10 миллионов учетных записей (масштаб 1.0).
Нет. Вы можете использовать провайдер 'fake' по умолчанию для быстрых случайных векторов или опцию 'local' для генерации эмбеддингов с использованием локальных моделей SentenceTransformers без платы за API.
Zekai первым в Google