📄 Daily Digest

风控日报 — 2026-06-13

📊 原料：45 条高信号条目（GitHub 主力 46 / arXiv 36 当日相关性噪声大 / HN 19 / Trending 20 / Reddit 暂停）。GitHub 风控仓库搜索是稳定主源，arXiv 按时间排序返回的当日最新论文与风控相关度低（量子、光电、机器人等无关论文混入），采集错误项不进入机器输出。

今日高信号

1. hypermatch — Go 高性能规则匹配库（⭐ 1）【信号：★★★】

dasara21/hypermatch 是用 Go 实现的高性能规则匹配库，针对「海量规则 × 海量事件」场景优化，内存中每秒处理数千事件、对超大规模规则集保持低延迟。这是今天最贴近风控可直接使用的规则引擎——风控实时决策的核心就是把事件流（交易、登录、下单）快速匹配到规则集，hypermatch 的事件驱动 + JSON 规则模型与风控事件流天然契合，可作为 Drools 之外的轻量规则匹配层评估。→ GitHub

2. Sentinel-AI-Fraud-Detection — 风控检测 Co-Pilot（XGBoost + Isolation Forest）【信号：★★★】

集成 XGBoost + Isolation Forest 的欺诈检测系统，650+ 特征 + SHAP 可解释性 + UMAP 聚类可视化，并通过 Amazon Bedrock 生成 GenAI 检测报告。风控视角：监督（XGBoost）+ 无监督（Isolation Forest）双模型集成是处理欺诈标签稀疏的常见架构，650+ 特征 + SHAP 解释 + 聚类归因的链路是可参考的「检测→解释→报告」工程范式。→ GitHub

3. FraudShield — 生产级、自愈 MLOps 欺诈检测平台【信号：★★★】

定位 production-ready 的信用卡欺诈检测 MLOps 平台：SHAP 可解释性 + MLflow 模型治理 + 自主重训（autonomous retraining） + Streamlit 管理驾驶舱，全容器化 + CI/CD。风控视角：把「模型治理」作为一等公民——MLflow 跟踪实验版本、自动重训应对概念漂移、可解释性内嵌——代表了风控模型从「训完上线」走向「持续监控 + 自愈」的工程成熟度。→ GitHub

4. Fraud-Detection-MLOps-Pipeline — 漂移触发重训的完整闭环【信号：★★★】

Nikhilsh10 的端到端 MLOps 管道，技术栈 scikit-learn + MLflow + FastAPI + Docker + GitHub Actions + Evidently。亮点是 drift-triggered retraining（漂移触发重训）：用 Evidently 检测数据/预测分布漂移，自动触发再训练。风控视角：欺诈模式随时间迁移（概念漂移），漂移检测 → 自动重训 → 灰度上线是风控模型生命周期管理的核心闭环，Evidently 是这个闭环里轻量可落地的关键组件。→ GitHub

5. Real_Time_Trade_Risk_Monitor — 实时交易风控引擎（FastAPI + Redis + PostgreSQL）【信号：★★】

高吞吐、低延迟金融风控引擎：FastAPI + Redis + PostgreSQL，实时跟踪持仓、计算 Historical VaR（历史风险价值） 并触发自动化风控告警。风控视角：VaR 是市场/交易风控的核心度量，这套「实时持仓流 + Redis 热数据 + 历史模拟法 VaR + 自动告警」是交易风控引擎的典型技术选型，可对比信贷/支付风控的实时决策架构差异。→ GitHub

6. FraudLens / Maharashtra Pride — 警用 GNN + Neo4j 团伙欺诈情报平台【信号：★★★】

为马哈拉施特拉邦警务部门开发的生产级欺诈检测平台：Graph Neural Networks + 集成 ML 模型 + Neo4j 知识图谱，用于识别犯罪团伙、追踪交易网络、生成情报。风控视角：这是 GNN 在团伙欺诈/洗钱落地的标杆案例——从「单笔交易/单账户检测」升级到「交易网络 + 实体关系图谱挖掘团伙」，Neo4j 知识图谱做关系存储、GNN 做团伙识别，正是反欺诈从规则/单点模型走向图智能的演进方向。→ GitHub

tindalabs/scent 提供 hostle browser 环境下的「概率身份连续性」：用 drift-tolerant confidence scoring 跨 cookie 删除、VPN、反指纹追踪回访访客，且不依赖 PII。风控视角：账户盗用与设备指纹攻防的核心难题——黑产用 VPN + 反指纹 + 频繁清 cookie 制造「新身份」，scent 的概率置信度评分是「反反指纹」的工程思路，可作为设备指纹/账户归一化的补充信号。→ GitHub

8. baima-guard — 中文 SMS 风险检测（RNN + 可解释策略 + 反馈学习）【信号：★★】

Frank-debug666/baima-guard 面向中文场景的混合 SMS 风险检测：RNN + 可解释策略 + 持久化反馈学习（闭环利用人工反馈持续优化）+ 可选 Codex Skill。风控视角：国内反诈（电信诈骗、短信钓鱼）的高贴合场景，反馈学习闭环（误报/漏报回流再训练）与中文文本语义是这块的特色，可作为内容风控/反诈模型迭代的参考。→ GitHub

9. 时空异构图神经网络做欺诈检测（学术 + 实践集群）【信号：★★】

BlackTensor/spatio-temporal-fraud-detection 用时间异构图神经网络做动态欺诈检测，对比传统 ML 基线并做可解释性 + 消融实验；同集群还有 Vrund09 的 GNN 可解释欺诈检测、ria0304 的比特币交易 GNN 欺诈检测。风控视角：GNN 在欺诈检测的应用正从「静态图」走向「时空异构图」（同时建模交易关系 + 时序行为），这是团伙欺诈、洗钱资金链路检测的前沿方向，值得关注但多数仍偏学术。→ GitHub

技术趋势

行业案例

值得深入