风控日报 — 2026-09-01

📊 原料：45 条相关条目（GitHub 仓库搜索 50 条原始 + Trending 20 + HN 12 / arXiv 36 条原始中 8 条进入原料全部无关——新批次 2608.285xx（08-28 提交日期）：二维费米液体拓扑密度三点关联、非厄米谱长程尾部、生物医学 Relief 特征选择、量子图 PINN、RG 格点场生成×2、合成增强推断的 size-weight 前沿、非局域 magic 精确量化）。arXiv 全噪声小计：连续 36 期（07-17→09-01，08-30 无调度运行）全噪声，累计 786 条中 1 条相关，噪声率 99.9%。剔除构成：16 条已覆盖/重复（txnzeel、TusharB、msc-dissertation、governor、sentinelpay、sentinelflow、IP-Knowledge-Layer、TemporalStore、themanoj-025[三见]、knisanth761、justcheckingmate、FFraud-com×2、srd-rules、portfolio-risk、marketplace-phaas-tracker[08-14 已入图，本次仅为仓内 6h cron 自我更新的常规重推]）+ 4 个已确认恶意仓库残留不重复验证（Amy7007/VPN-Detector[07-26]、hgthangbq-lang/defi-risk-screening[07-26]、primatewakeisland574/payment-channel-guide[08-09]、yoelpa6680/upi-fraud-gnn[07-26]）+ 7 条非风控/域外（Fitness-Trainer 健身 PWA、argentum 万智牌规则引擎、AMLL 歌词工具、tcga-aml-patient[急性髓系白血病——AML 关键词碰撞]、sksoni2006 银行 NPA/流动性模拟[信贷侧作品集]、SupplyChain-Risk-Engine 供应链域、gmferratti 葡语教学[08-28 已剔]）+ 2 条过薄/AI 痕迹剔除（amandapuja/Fraudora-Sentriq：GNN 描述 + 单文件 Tubes_Alpro2_KelompokASEP.go 课程作业存根，零 README；zengkev/fraud-detection-engine：README 是 LLM 回复残片"Here is the reviewed and updated README.md"开头，仓库自述与产物错位）。连续 7 日无新确认恶意仓库，累计维持 20 个。今日筛出 8 条新增高信号条目。今日主题是"对抗的闭环化与申报的精细化"：GAUNTLET 把对抗评估从"一次性测试"推进到"攻击者 RL 与防御者持续共同进化的闭环"（08-26 LOAFO 泛化基准→08-28 lurescope 逃逸实验室→今日闭环仿真的三阶段谱系补全）；graph-fraud-ai 把"已知过期"的指标连同致错的两个 bug 修复史一起 publish，诚实申报从"声明局限"走到"公布病历"；jiahan-wang 用中文把策略分析师工作流的账算到"离线数据算不出省了多少钱"的诚实边界。

今日高信号

1. BandOfTheHawk/GAUNTLET — GenAI 支付欺诈的闭环对抗仿真（攻击者 RL agent 自主发现欺诈策略→合成银行→五专家防御器按事件类型路由+学习型 combiner→防御升级→攻击者找新缺口——持续加固的检测模型而非静态分类器；Mastercard Innovation Challenge 2026 / IIT KGP；26 页 solution doc+七视图 live 运营台 200；真实 CFPB 投诉语料因许可不入库放 Drive、repo 克隆即可跑）【信号：★★★】

wildcraft958/BandOfTheHawk（1★, Python, 08-31 建当日推送, 73 commits, 15.8MB, MIT, GAUNTLET）把"红队/蓝队"做成一个闭环系统：攻击者是强化学习 agent，在一个共享动作空间上自主发明 GenAI 支付欺诈策略；合成银行产生忠实到足以测试的世界（保真度以"真实数据自切分的噪声底"的比值校准——fidelity 视图给出校准比值/规则触发率/hard-negative 构成/fan-out 方差均值比）；防御者是五个按事件类型路由的专职专家+学习型 combiner 折叠。关键声明是那句"当防御者改进，攻击者找到新缺口；当攻击者升级，防御者重训练——结果是一个持续加固的检测模型，不是在冻结数据集上训练的静态分类器"。26 页 PDF 的 Section 8 可复现（Appendix B 配置/D 命令），live 控制台 200。合规细节也对味：CPFB 投诉 parquet 因"公开源数据不再分发"放 Drive 但明示 repo 克隆即可运行（合成的对抗语料随仓库走）——与恶意仓库的"下载才能跑"模式划清界限。

风控视角：对抗评估谱系的第三阶段：08-26 mastercard-aegis 用 LOAFO 测"见过旧攻击族的模型对新族迁移多差"（静态基准）、08-28 lurescope 做"施加逃逸→看检测掉多少"（单轮红队），今日 GAUNTLET 把两步卷成共同进化闭环——"对抗能力是持续运营资产而非上线前检查项"。国内对应：把"黑产话术库/设备农场指纹库"当作需要持续生成与再训练的对抗语料工程，而非静态规则集。五专家路由+combiner 的分而治之检测架构、合成世界保真度的校准方法都可直接迁移。⚠️ 黑客松/竞赛语境、合成银行非真实交易、RL 攻击者发现策略的"新颖度"度量待细看（是否只是已知模式的重组）。与 反欺诈体系 的对抗评估和 风控模型 的持续训练直接相关。→ GitHub · Live

2. IEEE-CIS-Fraud-Detection (jiahan-wang) — 中文"风控策略分析师工作流"的完整账本（三层策略不提高拦截率（72.3% 不变）而重排决策粒度：90.5% 直接放行拆成 80.8% 自动放行+9.7% 人工审核，欺诈漏过 27.7%→16.5%——11.2pp 差值恰是进审核池的欺诈占比；每条决策记录来源 model/rule/both；审查量有上限而非无界；"离线数据算不出省了多少钱"写进已知局限；LightGBM AUC 0.8997/KS 0.6501/PR-AUC 0.5098；8 条离线规则独立路由 308/5000=6.2% 且零硬阻断；23 单测+CVE-2024-43598 pin）【信号：★★★】

jiahan-wang/IEEE-CIS-Fraud-Detection（1★, Python, 08-27 建→08-31 推送, 5 commits, 6.7MB, MIT, 中文 README）以"互联网风控策略分析师的工作流程"为主线：EDA 风险画像→WOE/IV→LR 基线（AUC 0.8376/KS 0.5347）→LightGBM+校准→SHAP→三层策略→规则库。真正的交付物是业务结论段的算账纪律：(1) 明说"三档策略并未提高拦截率"——它的价值是把二分类的"直接放行"里切出 9.7% 人工审核，漏过率从 27.7% 降到 16.5%，代价是 9.7% 正常用户多过一道人工，"这笔账是否划算，离线数据给不出答案：数据不含真实拒付损失，只能算影响率，算不出省了多少钱"；(2) 口径纪律——欺诈侧以欺诈交易为分母、正常侧以正常交易为分母，"两侧不能直接相加或相减"；(3) 决策来源审计（model/rule/both 逐笔记录）+审查容量控制+规则 fail-fast 校验。规则层独立价值有量化：5k 样本上 8 条规则路由 6.2%（其中 8.0% 是模型放行的），且零硬阻断——好用户零额外摩擦。

风控视角：中文面试素材的直接弹药库："三层策略和二分类比有什么用"（决策粒度重排而非拦截率——与 08-31 txnzeel 成本治理、08-29 FN/FP 分层报告汇成同一条"分数之后怎么算账"主线）、"规则和模型怎么分工"（规则路由模型放行的 8%+来源审计）、"审查池怎么控"（容量上限而非无界）。WOE/IV→LR→LightGBM 的基线-主模型链路也是国内 JD 的标准形态。⚠️ 5 commits、IEEE-CIS 单数据集、无真实资损数据（作者自己挑明）。与 风控策略 的阈值分档和 实时风控引擎 的决策来源审计直接相关。→ GitHub

3. tarka (pamu512) — local-first 欺诈 OS 的 949-commit 样本（JSON evaluate packs + Apache AGE 图 + cases + 调查台，compose 一键起；lite=evaluate+graph（Rust packs+core-api+AGE）、fraud-desk 叠加层 /graph+/rules+receipts /decisions；Helm 生产 profile（core-api 双副本+tenant binding）；性能纪律："本地数字只能从本 README 复现，scale-out 投影只准住在 benchmarks README"；BYO 模型（"no Tarka-branded model"）；15 分钟首个决策指南+smoke 脚本）【信号：★★】

pamu512/tarka（4★, Python/Rust, 03-31 建→08-31 推送, 949 commits, 718MB, beta）是本月第一次进原料的长线项目：一个把"评估包+审计轨迹+分析师台"做成本地优先产品的开源欺诈 OS。产品切分清楚：lite profile（Rust 规则包+core-api+Apache AGE 图服务，GRAPH_SERVICE_URL 可指向你自己的图）day-1 可用；fraud-desk 叠加 Hunt/graph+rules、决策回执固定在 /decisions；调查/信号/全量台按 SRE runbook 逐级开。两个工程纪律值得抄：(1) README 性能声明的隔离设计——"复现 local figures 只从本 README，任何 scale-out 投影只存在于 scripts/benchmarks/README.md"——把"实测"与"推测"物理隔离，正是徽章指标幻觉家族的制度化反面；(2) 图服务/模型服务全部 BYO 可插拔（"operator BYO URL later, no Tarka-branded model"）——平台不绑自家模型。

风控视角："调查工作台开源产品化"的稀缺样本：949 commits 的迭代深度远超本月常见的单日仓，evaluate pack（JSON 规则包）作为产品单元、决策回执（receipts）作为一等公民、case 管理内建——"规则引擎+图+调查台"三件套的开源对照版（商业对应物是 FeatureGuard/Forton 类）。国内自建调查工作台/规则包管理的可直接参考其 compose profile 分层与文档组织。⚠️ beta 无 GA tag、718MB 体量巨大（vendored 多）、4★ 仍小众、企业落地案例未见。与 风控数据架构 的调查台设计和 风控策略 的规则包治理相关。→ GitHub

4. graph-fraud-ai (yourfavCHEFP) — "已知过期"指标连同致错 bug 史一起 publish（README 明示：registry 里的 ROC-AUC 0.6760/PR-AUC 0.0821 记录于两个纠正性修复之前——(1) 特征列名与实际值错位的 bug、(2) random→chronological 切分修复（IEEE-CIS 时序有序，随机切分把未来交易漏进训练）——"known-stale and pending regeneration, do not treat as representative"；部署阈值用 checkpoint 自调的 0.26 非默认 0.5，operator 覆盖时警告"生产预测将偏离指标评估的阈值"；explanation 字段=阈值推理+图邻域上下文，"不是正式特征归因"）【信号：★★】

yourfavCHEFP/graph-fraud-ai（1★, Jupyter, 07-28 建→08-31 推送, 47 commits, MIT, GraphSAGE champion）的指标本身很难看（PR-AUC 0.0821），价值全在披露结构：不是"声明局限"，而是把"这些数字为什么不可信"的病历写进 README——两个具体 bug（特征错位/随机切分泄漏）、修复动作、以及"重新生成前的数字只存于 reports/archive/ 供考古"。这正是 08-26 msc-dissertation（泄漏控制评估）与 08-31 TusharB（时序切分）在生产仓里的反面活体：同一个随机切分错误，论文里是被识别的研究缺陷，这里是被发布者自己挂在头条的已知问题。阈值治理也有细节：默认用 checkpoint 自带的 validation_threshold=0.26 并警告环境变量覆盖会让线上行为偏离已评估口径——评估条件与部署条件一致原则的代码化。

风控视角："指标过期披露"是诚实申报文化的新形态——比"免责声明"更进一步的是可追溯的修复史（对应国内工程实践：模型报告应带"指标产生于哪个代码版本/哪个数据切分"的血统信息，否则 registry 里的数字会以永久新鲜的面目流传）。随机切分泄漏这个 bug 本身值得进面试素材："IEEE-CIS 上为什么随机切分会虚高"（时序泄漏，与 08-26 预注册、08-29 embargo 同族）。⚠️ 修复后指标未出（pending regeneration）、GraphSAGE 相对 08-31 TusharB 的 XGBoost 基线并无优势证据。与 图风控 的评估纪律和 风控模型 的指标治理直接相关。→ GitHub

5. steer (amalucelli) — 管住 agent 工具调用的 TOML 规则引擎（deny（拒绝并给模型读得懂的指导）/rewrite（原位改写输入）/annotate（放行但附上下文）三动作前置在工具调用执行之前；规则住 TOML，"给新工具改道是加一条配置而不是往不断膨胀的 shell 脚本里再加分支"；存在动机：Claude Code auto 模式注入的系统指令会盖过 CLAUDE.md——"hook 是最后一层还能说不的层"；Rust 单二进制+brew 安装+内建规则编译进二进制）【信号：★★】

amalucelli/steer（1★, Rust, 08-31 建当日推送, 10 commits, MIT）把风控规则引擎的决策词汇表（deny/rewrite/放行附条件）精确移植到 agent 工具调用治理：steer check 'cd build && rm -rf dist' 输出分段解析→命中 trash-over-rules→rewrite 为 cd build && trash dist。设计动机值得细读：harness 自己注入的指令（auto 模式让模型用 grep/sed）会覆盖用户配置，"没有设置能关掉它"——平台行为本身成了需要治理的风险源，PreToolUse hook 是"最后一层还能决定"的执行点。

风控视角：agentic 治理线的第 5 个独立样本（08-27 governor 的 ALLOW/REVIEW/BLOCK→08-27 唯稳律的硬闸→08-28 effectus 的规则编译→今日 steer 的 deny/rewrite/annotate）：agent 治理的决策动作从"二值阻断"细化到"改写与附注"——对应国内风控引擎的"拦截/放行/放行但降权打标"三值设计在 agent 工具面的复刻。TOML 规则-二进制分离（规则改配置即生效）与 effectus 的"规则编译成不可变 IR"是规则治理光谱的两端。对 风控归因 Agent 项目：给 agent 的工具调用加前置规则层的最简参考实现。⚠️ 新仓单日、内建规则集还小、生态绑定 Claude Code hook。与 风控策略 的三值决策和 反欺诈体系 的 agent 治理相关。→ GitHub

6. sentinal-ai (Ether-07) — 调查员工作流视角的支付风险平台（混合 ML+规则评分→四风险级→ALLOW/MONITOR/REVIEW/BLOCK；每笔交易产出可解释风险理由+明细信号；SQLite 持久化+告警状态处理+风险统计面板；React/Vite+FastAPI+ML 目录分层的完整三段工程）【信号：★】

Ether-07/sentinal-ai（1★, Python, 08-31 建当日推送, 5 commits, 6.9MB）是本月同质化"支付风险平台"族里调查员工作流做得最完整的一个：交易分析（27 维输入：customer/device/location/behavioral/authentication/network/payment-history）→ML 预处理管线+分类模型+混合风险引擎→fraud probability/0-100 风险分/风险级/决策/可解释风险理由→SQLite 持久化→告警状态流转（alert status handling）→统计面板。与 08-29 intelligent-payment 的差异：那里看的是"欺诈服务在微服务拓扑中的位置"，这里看的是"分析师从告警到结案的操作序列"。

风控视角：价值在"调查员视角"的界面要素清单：告警状态流转（新→处理中→关闭）、风险理由的层级（结论+明细信号分开）、高风险告警的独立视图——国内自建运营后台的检查清单。⚠️ 同质化族第 N 例、单数据模型无图/序列特征、SQLite 单机（演示级）、阈值校准未见。与 实时风控引擎 的运营台设计相关。→ GitHub

7. victig-fraud-detector (lamangamatt) — 雇佣验证文档的伪造检测（PDF 元数据分析（创建日期/软件/修改历史）+数学校验（gross − deductions = net）+创作工具指纹（Photoshop/Canva/AI 工具标记）+IRS 工资与收入 transcript 批量模式——跨页交叉核对 tracking number 抓复制粘贴的 transcript 头部（2026-07 从一起真实伪造样本迭代而来）；Streamlit+Tesseract OCR，可选 Claude 深度分析）【信号：★】

lamangamatt/victig-fraud-detector（0★, Python, 08-31 推送）覆盖的是交易前的文档面欺诈：收入证明/W-2/1099/工资单/学历的伪造检测。方法栈朴素但每条都有真实案例驱动：数学校验（工资单算术自洽）是最便宜的第一道闸；创作工具指纹抓"用 Canva 伪造的工资单"；最有趣的是 IRS transcript 的跨页 tracking number 交叉核对——伪造者复制粘贴页头时不会注意到编号应该逐页不同，这条规则直接来自 2026-07 的一起 Myssy Clayson 伪造案样本。

风控视角：国内对应物是信贷场景的收入证明/银行流水/学历造假检测：文件元数据（生成软件/时间线）、算术自洽、格式指纹（模板复用痕迹）是同一套方法论；"从真实案例迭代规则"的路径（案例→规则→回归测试）是小团队文档风控的可持续节奏。规则朴素意味着对抗成本低（换工具即可绕过）——适合作为"文档面信号只是拼图之一"的提醒。⚠️ 0★ 单人维护、文档类型美国特定（W-2/IRS）、无准确率评估。与 反欺诈体系 的多模态信号和信贷审批反欺诈相关。→ GitHub

8. disposable-email-detector (emailalias) — 一次性邮箱 vs 隐私别名的一次区分（74k+ 域名库的关键设计：把"unusual email domain"拆成两类——Disposable（邮箱到期即弃，注册时阻断）vs Forwarding alias（SimpleLogin/addy.io/DuckDuckGo/Firefox Relay/Hide My Email 等永久别名，"这是用隐私工具的真实客户，不要阻断"；npm+PyPI 双发行+发布工作流徽章）【信号：★】

emailalias/disposable-email-detector（1★, JS+Python, 08-31 推送）解决注册风控里一个被大多数 blocklist 忽略的误杀源：隐私转发别名。多数一次性邮箱库把所有"不常见域名"一视同仁拉黑，但 SimpleLogin/duck.com 背后是用户真实收件箱——拉黑=拒绝为注重隐私的真实客户服务。三类动作表（Disposable→block / Forwarding alias→do NOT block / OK→unknown）+74k 域名+双语言 SDK。

风控视角：注册反作弊的信号设计课：同一个特征（非常见邮箱域名）在不同子类上有完全相反的决策语义——特征粒度不够细时,"准确性"与"公平对待真实用户"直接冲突。国内海外业务（出海产品）必须支持隐私别名注册的场景在增加，这个区分会越来越实用；对应国内语境则是"小号/接码平台邮箱 vs 企业邮箱别名"的区分。⚠️ 域名库覆盖率未给方法论、别名域列表需持续维护。与 反欺诈体系 的注册风控直接相关。→ GitHub

技术趋势

  • 对抗评估三阶段谱系补全：静态基准测泛化（08-26 LOAFO）→单轮红队测逃逸（08-28 lurescope）→共同进化闭环（今日 GAUNTLET：攻击者 RL 自主发明策略、防御者重训练、持续加固）——"对抗能力是持续运营资产而非上线前检查项"开始有工程载体。
  • 诚实申报从"声明局限"走到"公布病历"：graph-fraud-ai 把已知过期指标连同致错 bug 修复史一起 publish（"known-stale, do not treat as representative"）；jiahan-wang 把"离线数据算不出省了多少钱"写进业务结论；tarka 把实测数字与 scale-out 投影物理隔离到两个 README——指标的血统（哪个代码版本/哪个切分/何时产生）成为新的披露维度。
  • 策略价值=决策粒度而非拦截率：jiahan-wang 三层策略拦截率不变但漏过率 27.7%→16.5%（决策重排），与 08-31 txnzeel 成本治理、MfalmeML 分段阈值同主线——"分数之后怎么算账、怎么分流"持续取代"怎么打分"。
  • 规则引擎形态继续分化：effectus 编译 IR（08-28）、tarka JSON evaluate packs（产品单元）、steer TOML 规则管 agent 工具调用（deny/rewrite/annotate）——规则住配置/编译工件已成共识，agent 工具面成为规则引擎的新战场（agentic 治理第 5 样本）。
  • 交易前风控面扩容：victig 文档伪造检测（元数据+算术+工具指纹+跨页编号交叉）与 disposable-email 注册信号（disposable vs 隐私别名区分）——"申请/注册"环节的反欺诈供给在 GitHub 上变厚。
  • arXiv 连续 36 期全噪声：新批次 2608.285xx（08-28 提交）仍 100% 域外（费米液体/格点场/量子图 PINN 等），累计 786 条中 1 相关。

行业案例

  • 闭环对抗仿真：GAUNTLET（Mastercard Innovation Challenge 2026，IIT KGP 团队，live 控制台 200）
  • 策略分析师工作流教学：jiahan-wang（IEEE-CIS 全链路中文账本，决策来源审计）
  • 开源欺诈 OS：tarka（949 commits，evaluate packs+图+调查台 compose 起步）
  • agent 工具调用治理：steer（Rust 单二进制，hook 前置规则层）
  • 文档伪造检测：victig（真实伪造案例驱动的规则迭代）
  • 注册信号基础设施：disposable-email-detector（npm/PyPI 双发行的域名库）

值得深入

  1. GAUNTLET 的 docs/BandOfTheHawk.pdf Section 8 + 攻击者 reward 设计——RL agent"自主发现欺诈策略"的奖励怎么定义、发现策略的新颖度怎么度量，是闭环对抗能否成立的核心。
  2. tarka 的 docs/docs/guides/oss-15-minute-first-decision.md + evaluate pack schema——规则包作为产品单元的字段设计与决策回执（receipts）结构。
  3. graph-fraud-ai 的 reports/archive/——过期指标是怎么产生的（bug 现场），以及修复后重训的指标出来前后对比。
  4. jiahan-wang 的 notebook/04-05（策略+规则库）——8 条规则的具体形态与"模型放行但规则命中"的 8% 交叉分析。