风控日报 — 2026-09-02

📊 原料：55 条入文件（GitHub 仓库搜索 40 条 + arXiv 15 条全部无关；采集器另报 Trending 20 / HN 16，均无条目进入原料文件）。arXiv 新批次 2608.31xxx（08-31 提交日期）：IACT 切伦科夫望远镜 Transformer 重建、高温超导微波光磁效应、水印递归分布估计 minimax 界、ECHO-OFTRL 博弈 regret、SUN 机器人程序、仿射隐参数逼近率、三项式包含不可判定、BRF-GS 高光谱 3DGS、圈量子引力粗粒化、匿名 AI 模型身份审计协议（模型供应链安全域、仍非风控）、宇宙弦引力反冲、SPT-3G CMB 透镜、集成微波光子学、Einstein-Euler 时空、certified randomness。arXiv 全噪声小计：连续 37 期（07-17→09-02）全噪声，累计 801 条中 1 条相关，噪声率 99.9%。剔除构成：15 条已覆盖/重复（jiahan-wang、graph-fraud-ai、msc-dissertation、agentic-payment-risk-governor、lucidfence、ameva-sentinel、FFraud-com×2、TemporalStore、themanoj-025、knisanth761、finpulse、portfolio-risk、obligation-net-optimizer、Fraudora-Sentriq 残留）+ 6 条 api-evangelist 厂商档案 stub（prelude-so/pagar-me/outtake/nokia-network-as-code/koin/tongdun[同盾]）+ 1 个新确认恶意仓库（hypopigmentationnudemouse124/fraud-detection-analytics-case：README 主 CTA 是指向仓内 docs/case_detection_analytics_fraud_2.9.zip 的"Download Release Page"徽章 + Windows"Right-click→Extract All"社工话术——07-27 in-repo zip 变体复发；连续 7 日无新纪录中断，累计 21 个）+ 4 个已确认恶意仓库残留不重复验证（thomdefinable658/sentinel-detection-engine[07-27]、primatewakeisland574/payment-channel-guide[08-09]、yoelpa6680/upi-fraud-gnn[07-26]、Para99999/payment-fraud-detector[07-26]）+ 2 条非风控域外（Duel-Masters 集换式卡牌游戏规则引擎、SupplyChain-Risk-Engine-V2 供应链域）+ 3 条过薄/未深挖剔除（tarun-21203 Airflow/dbt 标准作品集管道、IntelliRisk-AI 营销型 README 同质族、warden-desk 链上 8-agent 只读规则引擎[agentic 治理线已覆盖]）。今日筛出 9 条新增高信号条目。今日主题是"名门样本与对抗的第二种答案"：Discord 把生产级 T&S 规则引擎 Osprey（474★）开源，规则引擎品类从此有了 FAANG 出身的重量级参照；同一 Mastercard 赛题给出对抗闭环的两种架构答案——GAUNTLET 让 RL agent 自主发明欺诈策略（09-01），LiveFire 让"LLM 只提案统计参数、确定性 weaver 编译交易"，对抗侧出现了自己的"LLM 永不直接执笔"镜像；CF-Intelligence 用 759 commits 把联邦 AML 从 08-29 的最小诚实框架推进到企业级全家桶。

今日高信号

1. roostorg/osprey — Discord 出身的 T&S 安全规则引擎正式开源（474★，Apache-2.0，245 commits；"Automate the obvious and investigate the ambiguous"；原为 Discord 内部反 spam/abuse/botting/scripting 引擎，经 ROOST 开源；采纳方 Bluesky/Discord/Matrix.org；SML 结构化规则语言 + UDF 用户自定义函数扩展；实体标签跨事件状态追踪；规则查询页带历史+15 分钟粒度匹配量时序图的调查台；coordinator/worker/rpc/async_worker/ui 五组件 + Bigtable/MinIO/Druid 生态脚本 + ATProto 示例插件）【信号：★★★】

roostorg/osprey（474★, Python, 2025-09 建→09-01 推送, 245 commits, Apache-2.0）是本周规则引擎线的重磅参照：平台把事件流接进来，人工编写的规则逐条评估 arriving event——自动处置明显事件、给实体打标签累积状态、把模糊 case 推给调查台。SML（结构化规则语言）+UDF 的"声明式规则+可编程扩展"组合、实体标签作为跨事件状态载体（velocity/累计行为的底层机制）、调查台与规则引擎同一产品（查询+时序+历史）是三个可直接对标的设计。demo 一条命令起（curl demo.sh | bash），docker-compose 全家桶（coordinator/worker/rpc/async_worker/UI）。

风控视角：规则引擎品类迎来"名门正统"样本——与 08-27 覆盖的 opensource-finance/osprey（Go CEL 规则、单 Go 二进制、60 秒部署、FATF typology）同名不同物：一个是从 Discord 生产环境走出来的重量级平台（T&S 语境），一个是轻量单服务的金融交易监控——"规则引擎"需求的轻重两端从此都有开源参照。国内自研规则引擎的对标清单可直接抄：规则语言+UDF 扩展机制、实体标签状态、调查台内建、规则变更历史。T&S 与金融风控的规则引擎同构性再次确认：同一套"自动化处理明显、人工调查模糊"哲学。⚠️ 平台风控语境非金融交易（事件源是帖子/注册等）、README 头部无性能数字、重量级部署门槛。与 实时风控引擎 的规则语言设计和 风控策略 的规则治理直接相关。→ GitHub

2. CF-Intelligence (yusufcalisir) — 跨银行联邦 AML 平台的 759-commit 重型样本（FedAvg + non-IID 优化；DP + SecAgg 隐私计算边界；拜占庭投毒防御；图智能 + 模糊实体解析；复合风险引擎 + 可解释性；多层防御网关 + 限流；case 管理 + SAR 监管报告工作台（human-in-the-loop）；DR/SRE 章节；1498/1498 测试徽章；26 章节 65KB README）【信号：★★★】

yusufcalisir/CF-Intelligence（0★, Python 3.12/PyTorch 2.4, 06-29 建→09-01 推送, 759 commits, 18MB, MIT, FastAPI）把"跨银行联防"做成完整平台：威胁模型开篇即 FATF 场景工程化——跨银行 velocity/layering 团伙数分钟内清账、structured smurfing 跨机构微额分拆。参与行本地训练、只共享模型更新；隐私计算三层配齐（DP 噪声+SecAgg 聚合+拜占庭防御），图智能做跨行模糊实体解析（同一自然人在多行的实体归一是联邦 AML 的核心难点），复合风险引擎融合信号并给可解释输出，SAR 草拟保留人工签署。benchmark.py、helm chart、docker-compose 多节点拓扑、verification 目录齐备。

风控视角：联邦风控线的"完整平台级"对照——08-29 federated-gnn-fraud-detection 是 1 commit 的最小诚实框架，今日是 759 commits 的企业级全家桶：FedAvg 之外把 DP/SecAgg/拜占庭配齐、把实体解析和 SAR 工作台纳入边界，联邦 AML 的工程完整度上限从此有参照。国内对应物是机构间反诈联防联控的隐私计算形态（多方安全计算/联邦学习平台选型）。⚠️ 0★、全合成多行数据、65KB README 营销密度高（徽章声称需抽查）、单作者 759 commits 的可持续性存疑、联邦性能数字未见第三方复现。与 反洗钱-AML 的联防架构和 风控数据架构 的多机构拓扑相关。→ GitHub

3. code0710 / LiveFire (abhi-dev99) — 支付欺诈对抗闭环的 Mastercard 第二种答案（232 commits；LLM 红队只提案统计生成器参数→确定性 weaver 编译成通道级真实交易→异构蓝军（XGB+LR+确定性规则+IF 仅良性）检测/分歧/新颖度标记→SHAP 解释→情报变异下一代攻击→Robustness Ledger 按 4 条全球通道（card_intl/eu_psd2/us_cnp/upi_in）重放同一攻击族得 per-rail 生存对照；"two numbers, never mixed"（仿真可信度与真实 ULB holdout ROC-AUC 0.9852 物理分离）；每轮报告自己的诚实运行点；14 攻击向量 taxonomy；Category D 结构化校验（beneficiary_mismatch）非关键词匹配）【信号：★★★】

abhi-dev99/code0710（0★, Python 3.12/FastAPI/React 19, 08-24 建→09-01 推送, 232 commits）与 09-01 的 GAUNTLET 同出 Mastercard Innovation Challenge 2026，却给出对抗闭环的另一种架构：GAUNTLET 让 RL agent 在共享动作空间自主发明策略，LiveFire 把"发明"拆成两层——LLM 只输出统计参数（金额分布/时间模式），确定性 weaver 把参数编译成通道真实形态的交易，"LLM buys the plan, the Weaver builds the transactions"。蓝军是异构集成（可解释 XGB + LR + 规则 + 仅良性训练的 IF 负责新颖度 flag），SHAP 解释每轮捕获原因，情报回流变异下一代攻击。两张王牌纪律：仿真指标与真实 holdout 指标永不混写；同一攻击族在 4 条通道的重放账本（per-rail survival）——"同一攻击在 upi_in 存活率高于 eu_psd2"这类结论只有这个设计能出。

风控视角：对抗闭环谱系第四样本（08-26 LOAFO 静态基准→08-28 lurescope 单轮逃逸→09-01 GAUNTLET RL 闭环→今日 LiveFire 参数化闭环），且同一赛题双答案本身就是素材：RL 端到端自主 vs LLM 提案+确定性执行的分工——后者与"LLM 永不决策"共识互为镜像（决策侧 LLM 不碰钱、攻击侧 LLM 不直接造交易，都在收紧 LLM 的直接行动面）。"two numbers never mixed"是 09-01 tarka 实测/推测分 README 的同族纪律；per-rail 生存账本给了对抗评估一个新维度（通道差异化的攻击面）。⚠️ 黑客松语境、攻击"新颖度"依赖生成模型、红队有效性未经人工红队验证。与 反欺诈体系 的对抗评估直接相关。→ GitHub

4. accountshield-orchestrator (vinicius-ssantos) — Java 账户保护决策编排层（251 commits, MIT, Java/pom/compose/grafana/prometheus 全套；安全敏感账户事件（登录/恢复/凭据变更/敏感操作）→ 版本化可解释策略（加权贡献明示）→ ALLOW / REQUIRE_STEP_UP / TEMPORARILY_BLOCK / START_RECOVERY 四值决策；挑战生命周期 + 重试防护；安全恢复状态机；幂等/重放保护/限流/冷却；不可变决策轨迹 + 确定性重放 + 影子策略对比 + 安全场景仿真；明示边界：不是 IdP、MVP 无 ML 评分）【信号：★★】

vinicius-ssantos/accountshield-orchestrator（0★, Java, 07-14 建→09-01 推送, 251 commits, 7.4MB, MIT）是账户盗用（ATO）面的决策编排平台：接收 account/session/device/network/behavioral 上下文，评估版本化策略，持久化不可变决策轨迹。四个工程亮点：(1) 四值决策词汇表——在 ALLOW/BLOCK 之外把 REQUIRE_STEP_UP（升级挑战）和 START_RECOVERY（进入安全恢复）做成一等决策，挑战生命周期与恢复状态机内建；(2) 确定性重放+影子策略对比——新策略上线前与旧策略在历史事件上影子跑对比，历史决策可事后精确复现解释；(3) 边界自律——明确不是 Keycloak/Auth0 替代品、不存密码、不发生产 token、MVP 不做 ML 评分（决策层与评分层分离）；(4) 251 commits 的迭代深度+CI+SECURITY.md/CONTRIBUTING.md 治理件。

风控视角：交易欺诈决策层（txnzeel/MfalmeML 三值成本决策）之外的 ATO 决策词汇表：事件类型从交易换成登录/恢复/凭据变更，决策动作多了"升级挑战"与"安全恢复"——账户安全域的完整决策粒度参照，与 09-01 jiahan-wang 的"决策粒度重排"主线在账户面会师。deterministic replay + shadow-policy 直接对齐决策审计与灰度发布需求。Java 全套技术栈（pom/compose/grafana）= 国内 JD 的原生形态，亦是本系列少见的 Java 重样本。⚠️ portfolio 项目自述（无生产集成）、无 ML 评分层、单人维护。与 实时风控引擎 的账户面决策和 反欺诈体系 的 ATO 场景相关。→ GitHub

5. fraudshield-ml (navaneeth9908) — 数据质量证据版本化的成本敏感决策（checksum 校验锁定 Kaggle 快照 + 版本化确定性数据质量报告（无墙钟元数据、机器可读 JSON、31/31 列/0 缺失/577.9:1 类比全记录）；按 Time 取最新 20% 做时序 holdout（无泄漏）；LR 基线 PR-AUC 0.7611/ROC-AUC 0.9863；代价敏感决策层扫阈值：漏欺诈代价 500 vs 误报审查代价 25 + 分析师预算 1000 alerts，取最小期望损失阈值；CI + uv.lock 可复现）【信号：★★】

navaneeth9908/fraudshield-ml（0★, Python 3.12, 08-27 建→09-01 推送, 9 commits, MIT）在 ULB Kaggle 数据集上把两件事做成了工程工件：(1) 数据质量证据的版本化——"报告是确定性的：没有墙钟元数据"，checksum 锁定快照、行数/缺失/类比/金额分位数全部落 JSON 入库——"模型是在哪份数据上训练的"从此可验证（09-01 graph-fraud-ai 指标血统披露的数据侧对应物）；(2) 代价敏感决策层——FN=500/FP=25 的代价表 + 1000 alerts 分析师预算约束下扫阈值取最小期望损失，与 txnzeel→MfalmeML→jiahan-wang 的"分数之后算账"第四连。时序 holdout（最新 20% 按 Time）从源头杜绝随机切分泄漏。

风控视角：决策经济学第四样本的新意在数据血统的工件化：国内对应是特征/样本平台的"数据集版本+质量报告"资产化——模型报告应能回答"哪个数据集版本、哪份质量报告、哪个切分"。代价表+审查预算是最小可复制的业务沟通框架（给非技术干系人讲"为什么阈值在这"）。⚠️ 9 commits 早期、LR 基线阶段（成本层已有、模型层尚浅）、单数据集。与 风控模型 的数据治理和 风控策略 的成本阈值相关。→ GitHub

6. Docket-Risk (SUBHA22-CODER) — 支付网关的"准备金风控"（Razorpay track 02；sub-15ms 内存图（union-find 商户关联聚类）+ monotonic XGBoost（PR-AUC 0.9142，单调性约束）+ 不可变 SQLite 审计；graduated rolling reserves（欺诈风险→滚动准备金梯度上调）+ carrier EDI auto-unfreezing（自动解冻）；"结算三难"问题框架；29/29 pytest + dashboard/eval/models 目录）【信号：★★】

SUBHA22-CODER/Docket-Risk（0★, TypeScript/Python, 08-30 建→09-01 推送, 16 commits, MIT）把风控的处置工具箱从"拦截"扩展到资金面：欺诈风险升高时，网关的武器不只是拒绝交易，还有滚动准备金（rolling reserve）梯度上调与解冻节奏管理——"风险→资金占用"的量化在开源界罕见（对照 08-29 obligation-net-optimizer 的净额结算优化，同属结算侧风控）。在线图用 union-find 做商户关联聚类（sub-15ms），XGBoost 加单调性约束（风险分随特征单调——可解释与监管友好），README 明示哪些组件 live、哪些（EDI 集成）部分实现。

风控视角："风控的第三本账"：交易拦截（损失避免）与调查运营（人力效率）之外，结算与资金占用是平台风控真正损益表的第三列——准备金梯度是风险的连续处置函数而非二值拦截。国内支付通道/收单侧的"冻结-解冻"运营可直接参考其问题框架。monotonic XGBoost 是"模型可解释性"的工程化切口（单调约束=先验注入）。⚠️ 16 commits、黑客松作品、EDI 自动解冻声明为部分实现、PR-AUC 的数据集口径未明。与 风控策略 的处置工具箱和 风控数据架构 相关。→ GitHub

7. durable-banking-agent-workshop (temporal-community) — 欺诈 agent 的持久执行教材（Temporal 官方组织出品，36 commits；OpenAI Agents SDK + Temporal durable execution；场景：Ledger Bank 反欺诈调查员，两账户互转而欺诈者从全球伪装位置持续盗刷；Module 3 三个 TODO 各闭合一个真实持久性缺口——pacing（重试限速）、non-retryable fraud decline（欺诈拒绝的不可重试语义）、idempotent ledger update（幂等账本更新）；"survives a crash mid-transfer"；Python 与 Java 双版本同课（Temporal Java SDK + openai-java））【信号：★★】

temporal-community/durable-banking-agent-workshop（1★, Python+Java, 08-24 建→09-01 推送, 36 commits）是 agentic 风控的基础设施课：LLM agent 进入支付/风控流程后的三类经典事故——重试风暴（外部调用要 pacing）、把可逆操作当不可逆（fraud decline 不可重试、余额查询可重试的语义区分）、重复扣账（账本更新幂等键）——用 Temporal workflow 的 durable execution 逐一闭合："agent 崩在转账中途怎么办"的官方答案。半日课程从裸 bank assistant 到能抗崩溃的转账 agent，Python/Java 双轨同一 Instruqt 沙箱。

风控视角：agentic payments 治理线（08-27 governor/RiskPilot"LLM 永不决策"）之后的基础设施补全：治理层回答"agent 能不能做"，Temporal 层回答"agent 做一半崩了怎么办"——两类问题在生产化路径上缺一不可。三个 TODO 就是国内落地的三个高频事故复盘模板。Java 版对国内后端直接可用（Temporal Java SDK 的 activity 边界手写示例）。⚠️ 教学 workshop、模拟银行、依赖 OpenAI SDK 生态。与 风控归因 Agent 项目 的工程化和 反欺诈体系 的 agent 运营相关。→ GitHub

8. agentic-mule-meshhunter (Be-bibek) — GraphRAG 骡子网络猎手（Razorpay AI Buildathon Track 02；交易流→NetworkX 图+环形资金流检测→GPT-4o agent 带 get_neighbors/circular_flow 工具多跳遍历→Pydantic 证据 schema 作为 FP 护栏（agent 输出必须通过证据结构校验）→Rust PyO3 热路径摄取（自称 25k 记录 ~20x 提速）→WebSocket 思维遥测→React 力导向驾驶舱；自称 mule ring recall 100% vs 传统 20-30%）【信号：★】

Be-bibek/agentic-mule-meshhunter（1★, Python, 09-01 建当日, 6 commits, 32MB）的场景选型值得看：骡子网络（mule ring）——组织化洗钱把资金切到数十个干净账户、每账户低于阈值，单笔 ML 全盲——用"agent 带工具遍历图"来打：NetworkX 建图+环检测先圈嫌疑子图，LLM agent 再用邻居查询/环检测工具做多跳推理，输出强制过 Pydantic 证据 schema（无证据不结论）。Rust PyO3 做摄取热路径。

风控视角："agent 带工具遍历图做调查"谱系又一样本（08-31 vf-logistics 四 agent 链→08-14 redwing Actor Intelligence→今日 GraphRAG 单 agent）；Pydantic 证据 schema 作为 FP 护栏是"LLM 调查+确定性验证"的轻量实现——agent 的结论必须携带结构化证据链才被接受，与风控归因 Agent 项目的证据约束同构。骡子网络场景国内对应=跑分平台/水房账户团伙识别。⚠️ 营销级指标（100% recall 无 FPR 语境、对照"传统 20-30%"无出处）、6 commits、32MB 疑似 vendored 数据、竞赛作品。与 图风控 的多跳调查相关。→ GitHub

9. GraphGuard (Tejeshwini89) — Elliptic 数据集的诚实协议与 PyG 标签编码陷阱（09-01 建当日, 51 commits, MIT；Elliptic Bitcoin：203,769 节点/234,355 边/49 time steps；研究问题显式允许答案为"no"（图感知学习 vs 强 XGBoost 基线）；时序协议 train 1-29/val 30-34/test 35-49，unknown 标签剔除出监督损失与评估；阈值只在验证期选；取证验证中发现 loader bug：处理后 PyTorch Geometric 的标签编码不能假定与原始 Elliptic CSV 一致；GraphSAGE+GAT+XGBoost+Neo4j 调查）【信号：★】

Tejeshwini89/GraphGuard（0★, Python, 09-01 建当日, 51 commits, MIT）把"诚实基线"做成协议先行：结果未出、协议先公布——时序三段切分、unknown 剔除、验证期选阈、测试窗只做终报，且研究问题明写"图数据集不自动意味着 GNN 最优、答案允许是 no"。最有传播价值的细节是取证验证抓到的 PyG 标签编码错位：torch_geometric.data 处理后的 y 与原始 CSV 的 illicit/licit 映射不能想当然——这类静默错位一旦发生，全部指标作废且无从察觉。

风控视角：诚实基线谱系续篇（08-26 预注册→08-31 TusharB 负结果→今日协议先行+loader 取证）：PyG 标签编码陷阱是图风控的新具体坑，与 09-01 graph-fraud-ai 的特征列错位 bug 同族（"处理框架的中间表示与原始数据的对应关系必须显式校验"）。Elliptic 的 49 time steps 三段切分+unknown 剔除是图时序评估的标准答案模板（Elliptic 是国内图风控面试的高频数据集）。⚠️ 当日新仓结果未出（协议先行阶段）、单数据集。与 图风控 的评估纪律相关。→ GitHub

技术趋势

  • 规则引擎迎来"名门"参照系：Discord 的 Osprey（474★，SML+UDF+实体标签+调查台）开源，与 08-27 的 Go osprey（CEL 单二进制）同名不同物、构成轻重两端——规则语言光谱再扩（SML/CEL/TOML[steer]/evaluate packs[tarka]/编译 IR[effectus]），"规则语言+可编程扩展+实体级状态"成为跨域共识形态。
  • 对抗闭环第 4 样本 + 同赛题双答案：同一 Mastercard 赛题下 GAUNTLET（RL agent 自主发明策略）vs LiveFire（LLM 只提案统计参数、确定性 weaver 编译交易）——"LLM 不直接写交易"是对抗侧"LLM 永不决策"的镜像；"two numbers never mixed"与 per-rail 生存账本是新评估纪律/维度。
  • 账户面决策层补全：accountshield 四值决策（ALLOW/STEP_UP/BLOCK/RECOVERY）+挑战生命周期+恢复状态机——交易欺诈决策层（成本阈值三值）之外的 ATO 决策词汇表，决策粒度主线从交易面扩展到账户面。
  • 联邦 AML 从最小框架到重型平台：CF-Intelligence 759 commits 把 DP+SecAgg+拜占庭防御+模糊实体解析+SAR 工作台配齐——联邦线有了工程完整度上限参照（对照 08-29 最小诚实框架）。
  • 数据血统的工件化：fraudshield 的 checksum 锁定快照+确定性质量报告把"数据是哪份"做成可验证工件，与指标血统披露（graph-fraud-ai）、实测/推测隔离（tarka）同属"评估即证据链"的数据侧。
  • 风控处置工具箱扩到资金面：Docket-Risk 滚动准备金+EDI 解冻——风险处置从二值拦截扩展到连续的资金占用函数。
  • durable execution 进欺诈运营：Temporal 官方 workshop 给"agent 崩在转账中途"官方答案（pacing/不可重试语义/幂等账本）——agentic payments 治理层之后的基础设施层。
  • 恶意仓库威胁持续进化：in-repo .zip 变体（07-27 模式）今日复发第 4 例（hypopigmentationnudemouse124，docs/*.zip + Windows 社工话术），fraud 关键词搜索的投毒未停歇。
  • arXiv 连续 37 期全噪声：新批次 2608.31xxx 仍 100% 域外，累计 801 条中 1 相关（99.9%）。

行业案例

  • Discord → ROOST 开源：Osprey 的 T&S 规则引擎生产化路径（Bluesky/Matrix.org 采纳）
  • Mastercard Innovation Challenge 2026：GAUNTLET（09-01）与 LiveFire 两种对抗闭环架构
  • Razorpay AI Buildathon Track 02：Docket-Risk（准备金风控）与 mule-meshhunter（骡子网络）两个 Risk Manager 视角
  • Temporal 官方：durable banking agent workshop（Python/Java 双轨教学）
  • FATF 场景工程化：CF-Intelligence 的跨银行 layering/smurfing 威胁模型

值得深入

  1. roostorg/osprey 的 SML 语言规范与 UDF 机制（docs 站）——规则语言的表达力边界、实体标签的状态语义、Discord 生产规则规模的一手参照。
  2. LiveFire 的 attacks/taxonomy.json 14 攻击向量 + Robustness Ledger 数据结构——per-rail 生存对照的具体字段设计，对抗评估报告的模板候选。
  3. CF-Intelligence 的 §7 拜占庭防御与 §8 模糊实体解析——联邦场景投毒防御的实现与跨行实体归一的相似度设计。
  4. accountshield 的 shadow-policy comparison 与 deterministic replay 实现（src/）——策略影子对比与历史决策复现的工程细节，决策审计的参考实现。