风控日报 — 2026-08-15

📊 原料：36 条相关条目（GitHub 仓库搜索 38 条 / arXiv 11 条全部无关——新批次 2608.135xx（08-13 提交日期）：量子因果序 QKD 实验、TESS 凌日行星伴星敏感性、单量子比特指数量子优势、AutoDesign 长程 Agentic 设计元优化、OmniScientist 全模态 AI 科学家、V-RAE 视频生成潜空间、Defensive Boosting 在线概率预测、Jaccard 度量指数凸校准维度、Clifford 电路分布式量子综合、pluriharmonic Fock 空间 Toeplitz 算子、核子触发矢量玻色子 η 衰变运动学指纹）/ HN 17 条和 Trending 20 条经去重后无风控相关条目入选）。arXiv 全噪声小计：07-16 打破的连续 24 期 100% 噪声记录后又连续 22 期（07-17、07-19、07-20、07-21、07-22、07-23、07-24、07-26、07-27、07-28、07-29、08-04、08-05、08-07、08-08、08-09、08-10、08-11、08-12、08-13、08-14、08-15）全噪声，累计 653 条中 1 条相关，噪声率 99.8%。~19 条已覆盖、非风控或恶意剔除（CF-Intelligence [08-14]、lucidfence [08-07]、TemporalStore [非金融]、SupplyChain-Risk-Engine [非金融]、obligation-net-optimizer [08-04]、perishable-inventory [非金融]、RealTime_End2End_Finance_Dashboard [股票非风控]、eramitgupta/disposable-email + FFraud-com ×2 [数据库]、api-evangelist prelude-so/pagar-me [公司画像 stub]、prompt-integrity-validator [prompt lint]、pgrecon [DB 迁移]）。⚠️ 恶意仓库：新确认 1 个——hypopigmentatisonnudemouse124 同类账号 hypopigmentationnudemouse124/fraud-detection-analytics-case，新型变体：真实作品集仓库被劫持改造——SQL/Python/BI 案例代码为真实诱饵（2026-03/04 提交），08-14 单次 "Update README.md" 提交将 README 替换为 LuaJIT loader 恶意载荷下载漏斗（docs/case_detection_analytics_fraud_2.9.zip，SHA256 8fd5d53d406041313e52978148d551a95b2b98449943bfd45ce37a00a9c51188，Application.cmd → loader.exe（内嵌 LuaJIT 2.1.1774896198）+ 算术混淆 module.cso）——真实代码作诱饵比空壳仓库更难识别，验证时不能只看文件树。持续残留：Amy7007/VPN-Detector（07-26）、thomdefinable658/sentinel-detection-engine（07-27）、hgthangbq-lang/defi-risk-screening（07-26）、primatewakeisland574/payment-channel-guide（08-09）本轮仍在搜索结果中，不重复验证。今日筛出 6 条新增高信号条目，覆盖 PhaaS 钓鱼即服务威胁情报拆解、嵌套数据神经表示库、加密货币欺诈反事实解释、PostgreSQL 原生规则引擎、实时欺诈检测 ML 平台、抵押品健康风险状态机。今日核心亮点是 marketplace-phaas-tracker——一个多品牌 PhaaS 钓鱼运营的完整威胁情报拆解，120 品牌皮肤库 + 113 条 IOC + 6 小时级无人值守活体监控，是反钓鱼/OTP 欺诈防御的一手情报源。

今日高信号

1. Marketplace PhaaS Tracker (malek-alhu) — 多品牌 PhaaS 钓鱼运营威胁情报拆解 + 活体监控（Classiscam/Telekopye 级运营 × 120 品牌皮肤库 + 113 条 IOC + CT logs/urlscan/DoH 三源活体监控 + GitHub Actions 6h cron 自动开 Issue + 34 国硬编码 Stripe 路由 + Next.js 16.2.7 工具包取证）【信号：★★★】

malek-alhu/marketplace-phaas-tracker（0★, HTML + Python 监控脚本, 无 license, 200+ commits 2026-06-16→08-14, ~400+ 文件）是一个钓鱼即服务（Phishing-as-a-Service）运营的威胁情报拆解与活体追踪项目——针对 Classiscam/Telekopye 级多品牌市场钓鱼运营（假冒 OLX、Subito、Kleinananzeigen 等 ~120 个品牌窃取银行卡数据 + 3-D Secure/OTP）。

拆解发现：

检测工件：docs/indicators.csv（113 行 IOC：域名/IP/ASN/首次发现时间）+ monitor/findings.csv（活体新增）+ URL/WebSocket 指纹（/a/<base64> 路径、wss://<host>/api/ws/stripe/sync 同步端点、/static/cg.png 信标、x-rate-limit-limit: 3 响应头）。签名是 IOC/URL 指纹风格，非 YARA/Sigma 主机规则。

"无密钥活体追踪器"的真实形态：不是网页，而是 monitor/check.sh + GitHub Actions cron（每 6 小时，.github/workflows/infra-monitor.yml 已验证 contents:write/issues:write 权限）拉取 CT logs（certspotter/crt.sh）+ urlscan.io API + DoH DNS，自动 commit 增量并开 Issue。"实时视图" = commit 历史 + Issues。

风控视角：反钓鱼/OTP 欺诈防御的一手威胁情报：(1) PhaaS 运营的工业化拆解——120 品牌皮肤 + 34 国收款路由说明钓鱼攻击已是"多租户 SaaS"形态，防御方需要的不是单点封禁而是 URL/WebSocket 级指纹库——113 条 IOC + /a/<base64> 等 URL 指纹可直接接入风控的钓鱼检测规则。(2) WSS 支付同步端点指纹——钓鱼工具包用 WebSocket 实时同步 3-D Secure 挑战页状态，wss://<host>/api/ws/stripe/sync 这类端点是中间人钓鱼（Adversary-in-the-Middle）的典型指纹——比域名 IOC 更难轮换。(3) GitHub Actions 做免费威胁情报监控——CT logs + urlscan + DoH 三源 6 小时级无人值守监控，零成本情报流水线的工程参考。(4) 0★ 个人研究仓库但深度和内部一致性极高（200+ commits 持续 2 个月）。与 反欺诈体系的钓鱼防御和 风控策略的 IOC 规则关联。→ GitHub

2. RelFlow (relflow) — 嵌套/不规则数据的神经表示库（schema-as-model 类型化 tensorfields + Branch 局部注意力池化 + MLM 掩码重建与监督统一 + PyTorch Lightning + Polars/S3 流式数据模块 + FastAPI serving + 账户历史/欺诈快照显式用例）【信号：★★】

relflow/relflow（12★, Python + PyTorch Lightning + Polars, org-backed relflow.ai, 230 文件, 100+ commits 2026-04-21→08-14, Quarto 文档 + Discord）是一个为"无法干净塞进平面表"的数据设计的神经表示库——客户带交易历史、订单带行项、会话带点击流这类嵌套/不规则记录。

核心方法——schema-as-model：(1) 类型化叶字段（Number/Category/Set/Hash/Text/Vector/DateParts）→ 各数据类型专属 tensorfield 编码；(2) Branch 节点局部注意力 + 池化——层级结构感知的表示学习；(3) MLM 式掩码重建与监督目标统一——target=True 等价 p_prune=1.0，p_mask 动态掩码率，一套框架同时支持自监督预训练与监督预测；(4) 根/枝/叶三级嵌入输出；(5) Polars/流式（S3）数据模块 + FastAPI serving extra。

风控用例显式声明（README "Where It Fits"）：*"account histories, fraud or risk snapshots, order and fulfillment events…"*——但定位是通用表示库，不是欺诈工具，明确声明不是特征仓库/规则引擎。

风控视角：交易历史/账户行为的表示学习基础设施：(1) 嵌套数据的风控特征工程痛点——账户的交易序列、设备的会话流、用户的地址变更历史都是典型 ragged data，传统做法是手工聚合（count/sum/mean）丢掉序列结构——RelFlow 的 schema-as-model + Branch 注意力让"账户全历史"端到端可学习，是特征平台向表示学习演进的参考架构。(2) MLM 预训练与监督统一——无标注数据上掩码重建预训练 + 少量欺诈标注微调——与 08-13 Khairiya2 的 Isolation Forest（完全无监督）形成标注稀缺场景的方法光谱。(3) org-backed + 活跃维护（4 个月 100+ commits）+ 显式 fraud 用例——比同类学术库更接近生产可用。与 风控模型的特征表示学习和 实时风控引擎的特征工程关联。→ GitHub

3. Counterfactual Fraud Networks (gouthamdyapa) — 加密货币交易图反事实解释欺诈检测（TEMF 时序记忆模型 + Elliptic++ 数据集 + 历史反事实关系解释 + IEEE BigData 2026 投稿 + 诚实指标 PR-AUC 0.2757 + "反事实=模型敏感性而非因果证据"警示）【信号：★★】

gouthamdyapa/counterfactual-fraud-networks（0★, Python, Apache-2.0, 97 文件 16 commits，2026-08-14 单日创建推送——论文发表冻结版）是一个图感知时序欺诈记忆 + 历史反事实关系解释研究代码库——提交至 IEEE BigData 2026，基于 Elliptic++ 加密货币交易数据集。

诚实的研究定位：(1) 最佳 PR-AUC 0.2757±0.0022——指标朴实无夸大（Elliptic++ 是公认困难基准）；(2) README 明确警示：反事实解释 = 模型敏感性分析，不是因果证据——防止反事实解释被过度解读为"如果关系不存在则不会被判欺诈"的因果结论；(3) 完整实验工件：src/temf/（模型/指标/切分）+ 编号实验 01-11 + 测试 + 投稿手稿（docx+pdf）+ 模型 checkpoint + 预测 npz。

风控视角：图欺诈检测可解释性的方法论警示：(1) 反事实解释的边界意识——GNN 欺诈检测的反事实解释（"删除这条边则风险分下降 X"）本质是模型敏感性而非因果——风控调查员把反事实当因果证据会误判案件定性——这个警示本身比模型更有价值。(2) 时序记忆 + 图结构组合——TEMF 的"时序欺诈记忆"针对欺诈账户的历史关系演化——与 08-14 CF-Intelligence 的流式 GraphSAGE、08-12 GNN-SimMule 的消息传递可视化形成 GNN 风控的方法光谱。(3) ⚠️ 单日论文冻结版，零社区验证，指标待独立复现。与 风控模型的 GNN 和可解释性关联。→ GitHub

4. pg-react (trickle-labs) — PostgreSQL 原生规则引擎（SQL 视图定义条件 + pg_trickle 增量视图维护 + 持久化工作议程/租约/重试 + 事务性 outbox + 递归推导至不动点 + 分层否定 + 事件时间窗口 + README 示例即风控规则）【信号：★★】

trickle-labs/pg-react（0★, PLpgSQL + Rust/pgrx（6 源文件）+ SQL 迁移 0.1.0→0.16.0, 385 文件 87 commits, ⚠️ 2026-08-07 创建，仅 1 周龄，要求 PostgreSQL 18.3 + pg_trickle）是一个把变化数据转化为持久动作的 PostgreSQL 原生规则引擎——SQL 视图定义规则条件，姊妹项目 pg_trickle 做增量视图维护，pg-react 负责规则生命周期管理。

核心机制：(1) 规则激活/变更/停用生命周期——规则触发不是瞬时告警而是持久化工作议程（durable work agenda）带租约和重试——规则触发不丢失；(2) 事务性 outbox——规则动作与业务数据同事务提交；(3) 递归推导至不动点——规则 A 的输出可成为规则 B 的输入，递归到稳定；(4) 分层否定 + 事件时间窗口——Datalog 风格的语义完整性；(5) m0-m19 里程碑契约/证据文档——工程过程极其规范。

README 首个示例即风控规则：高价值订单 + HIGH 风险客户 → 持久化 manual_review_tasks 条目，无重复激活，带审计追踪。

风控视角：数据库内规则引擎对交易欺诈规则架构的启示：(1) "视图 + 持久化生命周期 + outbox"模式直接映射交易风控规则引擎——规则条件是 SQL 视图（声明式、可版本管理、detection-as-code），规则触发是持久化工作项（租约+重试+审计）——与外置 Drools/自研规则引擎相比，数据与规则同库消除了同步延迟，增量视图维护（IVM）让"全量重算"变"增量更新"。(2) 递归推导至不动点——规则链式触发（A→B→C）自动推导到稳定——对应风控的复合规则/级联规则场景（如"命中规则 A 且账户 30 天内命中过 B"）。(3) ⚠️ 1 周龄 + 0★ + 要求 PostgreSQL 18.3——早期观察项目，非生产可用，但 m0-m19 里程碑契约文档的工程规范度罕见。与 风控策略的规则引擎和 实时风控引擎的规则评估关联。→ GitHub

5. Fraud Detection ML Platform (narendranathe) — 实时欺诈检测 ML 平台学习项目（Kafka + FastAPI/LightGBM 评分 + Postgres + Prometheus/Grafana + 成本加权阈值搜索 + ⚠️ 描述虚高：Spark 仅在 requirements 无代码、Airflow dags 目录为空 + README 诚实自列缺陷）【信号：★】

narendranathe/fraud-detection-ml-platform（0★, Python, 68 文件 20 commits）是一个端到端 ML 工程学习项目——Kafka 生产/消费 + FastAPI 推理 + LightGBM + Postgres + Prometheus/Grafana + MLflow。

⚠️ 描述修正（验证确认）：仓库描述声称 "Kafka, Spark, MLflow, and Airflow"，实际 Spark 仅出现在 requirements.txt/environment.yml，零 Spark 代码；Airflow dags 目录只有空 .gitkeep。真实栈：Kafka + FastAPI/LightGBM 评分 + Postgres + Prometheus/Grafana + MLflow。

诚实工程：README 异常坦诚——合成 10 万行数据；自列缺陷：模型缺失时静默回退规则、消费者 100 TPS 仅 ~0.5 preds/s 落后、*"数字只说明管道能拼起来……不代表能扛真实支付流量"*。

成本加权阈值：从 PR 曲线搜索成本加权最优阈值（误报/漏报成本不对称）——与 08-14 don8891 的成本敏感阈值搜索同一思路。

风控视角：学习项目的诚实基线参考：(1) 成本加权阈值从 PR 曲线搜索——又一个把"0.5 概率截断"换成"误报+漏报成本最小化"的实现——连续三日（08-13 HarshaSanka → 08-14 don8891 → 08-15 narendranathe）出现同一模式，说明成本敏感阈值已是社区共识实践。(2) README 自列缺陷的文化——"管道能跑 ≠ 能上生产"的自我认知，比指标堆砌更有参考价值。(3) ⚠️ portfolio 学习项目，吞吐缺口大（100 TPS vs 0.5 preds/s），架构参考价值大于实现。与 风控模型的 MLOps 和 风控策略的阈值优化关联。→ GitHub

6. Collateral Health Engine (AlanMauricioCastillo) — 加密借贷抵押品健康风险状态机（⚠️ Membrane Labs take-home + 初始 LTV 0.5/维持 0.65/清算 0.8 三级阈值 + transition inertia link/recompute 规则 + safe-start 新抵押品只进 Good Standing 或 Initial Margin Call + 五状态生命周期 + 纯 TS 函数库 + jest）【信号：★】

AlanMauricioCastillo/home-test-membrane-labs（0★, TypeScript, master 分支, 20 文件 7 commits 全部 2026-08-14, npm 双 CJS/ESM 构建 @mauricio_castillo/collateral-health）是一个加密抵押借贷的抵押品健康评估引擎——Membrane Labs take-home 项目。

⚠️ 描述修正（验证确认）：仓库描述声称 "Full-stack … Node.js & React"，实际无任何 React——是纯函数式 TS 库（src/collateralHealth.ts + types.ts + jest 测试 + CLI）。

核心设计：(1) 三级阈值状态机——initialLtv 0.5 / maintenance 0.65 / liquidation 0.8；(2) transition inertia——link/recompute 转换规则限制状态跳变；(3) safe-start 规则——新链入抵押品账户只能进入 Good Standing 或 Initial Margin Call，不能直接触发更坏状态——防止新抵押品引入即清算；(4) 五状态生命周期：Good Standing → Near Margin（0.9 带）→ Initial/Maintenance Margin Call → Liquidation。

风控视角：抵押品风控状态机的教科书实现：(1) 状态机 + 转换约束——额度/抵押风控的核心是状态机而非单点规则——transition inertia（哪些状态转换允许）和 safe-start（新实体初始状态受限）是防"边界操纵"（gaming the edge）的设计，营销风控的新客初始额度同构。(2) ⚠️ take-home 小项目（单日 7 commits），BTC 示例，范围小但引擎逻辑真实完整。与 风控策略的额度管理和 风控技术地图的抵押品风控关联。→ GitHub

技术趋势

• 钓鱼攻击进入 PhaaS 工业化形态，防御靠 URL/WebSocket 指纹而非域名 IOC：marketplace-phaas-tracker 拆解的 120 品牌皮肤库 + 34 国 Stripe 收款路由 + WSS 支付同步端点（wss://<host>/api/ws/stripe/sync 实时同步 3-D Secure 挑战状态）表明钓鱼工具包已是多租户 SaaS——域名可轮换但 URL 路径模式（/a/<base64>）和端点指纹更稳定，且 AitM（中间人）钓鱼工具包的 WSS 同步通道是 OTP 欺诈的核心基础设施。
• 恶意仓库出现"真实作品集劫持"新变体：hypopigmentationnudemouse124/fraud-detection-analytics-case 的 SQL/Python/BI 文件是 2026-03/04 提交的真实诱饵代码，08-14 单次 commit 将 README 替换为 LuaJIT loader 下载漏斗——真实文件树 + 单日 README 改造意味着文件树检查不再可靠，README 的 CTA（download vs clone）是唯一可靠信号——这比 07-26/07-27 的空壳仓库更难识别。
• 成本敏感阈值连续三日出现，已成社区共识实践：08-13 HarshaSanka（6 月推广窗口成本选模）→ 08-14 don8891（成本函数搜索阈值）→ 08-15 narendranathe（PR 曲线成本加权搜索）——三个独立项目不约而同把决策阈值从 0.5 概率截断换成误报/漏报成本最小化。
• 规则引擎回归数据库：pg-react 用 SQL 视图（声明式条件）+ 增量视图维护 + 持久化工作议程 + outbox 在 PostgreSQL 内实现规则生命周期——与外置 Drools/自研引擎相比消除了数据同步延迟，detection-as-code 趋势（07-27 sentinel-detection-engine 的 CI 验证）在数据库层的延续。

行业案例

• PhaaS 运营拆解：marketplace-phaas-tracker（120 品牌皮肤 + 113 IOC + 34 国收款路由 + 6h 活体监控）
• 嵌套数据表示学习：RelFlow（schema-as-model + MLM 预训练 + 账户历史/欺诈快照用例）
• 图欺诈反事实解释：counterfactual-fraud-networks（TEMF + Elliptic++ + 反事实=敏感性非因果警示）
• PostgreSQL 原生规则引擎：pg-react（视图 + IVM + 持久化议程 + outbox，示例即风控规则）
• 实时欺诈检测学习基线：fraud-detection-ml-platform（Kafka + LightGBM + 成本加权阈值 + 诚实自列缺陷）
• 抵押品健康状态机：home-test-membrane-labs（三级 LTV 阈值 + transition inertia + safe-start）

值得深入

1. marketplace-phaas-tracker 的 URL/WebSocket 指纹库——/a/<base64>、wss://<host>/api/ws/stripe/sync、x-rate-limit-limit: 3 这类指纹如何接入我们的钓鱼检测规则？AitM 钓鱼工具包的 WSS 同步通道是否也应纳入设备指纹/网络行为监控的检测点？
2. pg-react 的"视图 + IVM + 持久化议程"模式——把规则条件写成 SQL 视图、触发落入持久化工作项（租约+重试+审计）——对于"账户命中规则 A 且 30 天内命中过 B"这类复合规则，递归推导至不动点的语义是否比自研规则引擎的 DAG 编排更简洁？
3. "真实作品集劫持"恶意仓库变体的检测规则——文件树真实 + README 单日改造 + download CTA——是否应该在采集脚本里加一层 README CTA 自动检查（download/extract 关键词 + 非 clone 指令）？