风控日报 — 2026-09-08

📊 原料：53 条入文件（GitHub 仓库搜索 42 条 + arXiv 11 条全部无关——新批次 2609.053xx/2609.054xx（09-04 提交日期，非缓存）：TOI-426/1839 亚海王星、3I/ATLAS 彗星离子、SSC SBOM 传播模型（软件供应链安全域，非欺诈）、UniMate 骨骼动画、宇宙原初密度场重建、DESI DR2 暗能量、AdS₅×S⁵ 关联函数、量子微调时间序列、ROBORMBench 机器人奖励模型、LLM 解释必要性/充分性行为评估（最接近风控的一条，纯方法论无应用）、无线信号生成模型。arXiv 全噪声小计：连续 41 期（07-17→09-08）全噪声，累计 844 条中 1 条相关，噪声率 99.9%。剔除构成：12 条已覆盖/重复（marketplace-phaas-tracker[08-14 已入图]、disposable-email-detector[08-25 已剔]、FFraud-com 邮箱+IP 库[07-14 ★已收录]、lucidfence[08-07]、ameva-sentinel[09-02]、TemporalStore[09-05]、obligation-net-optimizer[09-04]、finpulse[09-02]、warden-desk[09-05]、sanctioncheck[07-01 ★★]、fintech-document-risk-service[09-03 已剔]、perishable[07-01 已剔]）+ 10 个已确认恶意仓库残留不重复验证（sentinel-detection-engine[07-27]、fraud-detection-analytics-case[09-02]、defi-risk-screening[07-26]、credit-card-fraud-detection[07-26]、SnifTern.ai[07-26]、payment-channel-guide[08-09]、rwa-compliance-checklist[09-05]、LLMInjector[09-05]、upi-fraud-gnn[07-26]、Para99999/payment-fraud-detector[07-26]）——今日 0 新确认恶意仓库（09-05 后重新起算 1 日），恶意仓库累计维持 26 个+ 9 条域外/过薄（awesome-scam-protection-vn 资源列表、AIFA-Webmaster/aifa-agentic-commerce 空壳 stub：1KB 仓库仅 README+1 commit，营销词 "Agent Passport™" 指向 aifuture.asia、Irish 租控规则引擎、Magic 卡牌规则引擎、plutus-hr 尼日利亚 HR payroll、FinGuard-GNN 单句泛描述、saba-data/RealTime-FraudGNN-Engine 模板 README 残留 your-username 克隆占位符+2 commits+预置 .pth、land-management 洪都拉斯地产）+ 2 个新确认 astroturf（见威胁情报专题：Infrai 战役第 4/5 例，Go 单二进制支付风控新变体）。今日筛出 9 条工程高信号 + 1 条 astroturf 威胁情报专题。今日主题一是"LLM 永不决策"治理线第 6 跃迁：验证外移——aegis 把"人类已批准"从 agent 的自述变成 MCP elicitation 协议事实+运营商 CAMARA SIM-swap 预检，kyc-aml 把策略检查钉在工具调用边界（PEP），同日出现"协议级/网络级/工具级"三种验证外移机制；主题二是评估即证据链第 7 站：泄漏即 bug 报告——cher-ry 把 PR-AUC=1.00 的数据泄漏调查写成 README 核心章节。

今日高信号

Xaena53/aegis（0★, TypeScript, 08-11 建→09-07 推送, 2.3MB, AGPL-3.0）的问题框架：把 LLM 接到广告账户上花钱，多数集成靠"让 agent 确认"——这意味着 agent 自己决定人类是否被咨询过。aegis 把这个决定从 agent 手里拿走：elicitation 让人类确认成为协议层事实，CAMARA 让"账号是否被接管"成为网络层事实验证。土耳其作者（README.tr.md 双语）。

风控视角："LLM 决策边界"谱系（08-27 governor 架构隔离→09-02 证据 schema→09-03 代数钳位→09-04 跨域治理核→09-05 默认化→今日验证外移）的第 6 跃迁——治理机制第一次同时落到两个新层面：协议级（MCP elicitation 使"人类在环"可验证）与网络级（运营商 SIM-swap 状态作为支付前信任信号，GSMA Open Gateway 商用化的一次真实工程落地）。SIM-swap 预检与国内运营商联名反诈的"人号一致性"校验同构。⚠️ 测试/覆盖率数字为 README 徽章自报（待验证）。与 风控归因 Agent 项目 的证据约束和 支付风控 的交易前校验直接同构。→ GitHub

2. cher-ry2003/insurance-fraud-risk-scoring — 把 PR-AUC=1.00 当 bug 报告：保险理赔反欺诈的"泄漏调查"叙事（车险/健康险理赔欺诈评分全栈：dbt 特征层+44 个数据质量测试（其中一个真抓到源数据异常）；开发期测试集 PR-AUC 冲到 1.00——作者定位为"不是值得骄傲的结果，是 bug 报告"，完整记录泄漏调查与修复（README 核心章节 "A leakage investigation, not a leaderboard score"）；类不平衡处理有据对照（class weighting vs SMOTE）；XGBoost+SHAP 平语化解释（"为什么被标记"面向非技术审查员）；DuckDB 本地/Snowflake 生产同一 dbt 项目；FastAPI 评分+Streamlit 审查台；CI 门禁）【信号：★★★】

cher-ry2003/insurance-fraud-risk-scoring（0★, Python, 09-07 单日新建, MIT, 4 commits）自我定位是作品集项目，但工程判断是主菜：泄漏识别→调查→修复→把过程写成一等叙事，明确说"重点在模型周围的工程与判断（数据质量/泄漏/不平衡/可解释性/诚实局限），不在榜单指标的最后 0.1 个点"。

风控视角："评估即证据链"谱系（预注册→conformal→对抗逃逸→监控自审计→自评 MIXED[09-04]→命名失败模式[09-05]→今日泄漏即 bug 报告）的第 7 站——与 Card-Testing-Sentinel 的"自评不合格"同属诚实申报，但更进一层：完美指标本身就是数据流程故障的告警器，这是国内风控建模最该抄的纪律（离线 AUC 高得离谱≈特征穿越）。保险理赔是本库追踪首次入场的新垂直（此前信贷/支付/电商/AML），44 个 dbt 测试的理赔特征层可直接对照 风控模型 的特征治理。⚠️ 单日新仓、4 commits、0★。→ GitHub

3. RaviTejaMandapati89/kyc-aml-multiagent — 工具调用边界的策略执行点：MCP 授权检查模板（四阶段合规管道：Gemini 工具循环跑 KYC 筛查（MCP server 挂 7 个合规工具：客户摄入/文件核验/PEP+制裁筛查/风险评分/升级/审计日志/视觉文档分析），每次工具调用先过 policy.evaluate 再执行（mcp_server.py 即策略执行点 PEP）；Bedrock Claude 做 AML 深度推理，引用英国法条（POCA 2002/MLR 2017/FCA SYSC），经 A2A 从 Vertex AI 交接；LangGraph 路由后决策工作流（Standard Onboarding/EDD/Financial Crime Investigation+SAR 考量+材料清单）；Gemini Vision 文档核验带 PII 护栏（拒收疑似真实个人证件图）；自评诚实："Not production software, a working prototype using synthetic data only"）【信号：★★】

RaviTejaMandapati89/kyc-aml-multiagent（0★, Python, 02-22 建→09-07 推送, 44MB, 28 commits, 无 license）的工程骨架清晰：google_agent.py（MCP client）→ mcp_server.py（PEP，7 工具单一 dispatch）→ policy.py（授权评估）→ a2a_server.py（跨云交接）→ review_graph.py（LangGraph 路由）。tests/ 目录与 observability.py 齐备。

风控视角："LLM 决策边界"的工具级实现样本——与 09-04 virtualryder 的 Cedar no_self_* 工具拒绝同谱系，但给出了更轻的自建模板：策略检查内嵌在 MCP dispatch 里，LLM 选择"调用什么、什么顺序"，能否调用由策略层裁定；KYC→AML→SAR 路由与国内"开户筛查→可疑行为识别→可疑活动上报"流程同构；跨云 A2A（Vertex AI↔Bedrock）是 agent 互操作的真实工程样本。与 反洗钱-AML 的筛查工作流和 风控归因 Agent 项目 的工具约束相关。→ GitHub

4. Imperator8000/real-time-fraud-detection — PySpark 有状态流特征教学样本：watermark+滑动窗口+applyInPandasWithState（Kafka→PySpark Structured Streaming→Delta Lake Medallion（Bronze/Silver/Gold+隔离区 quarantine）→随机森林分布式推理→Streamlit 监控台；事件时间处理+watermark+10m 滑动窗口/2m 步长；applyInPandasWithState 维护 per-user 任意状态历史（有状态行为特征）；混合特征装配（窗口特征+状态特征）→不可变 Gold 特征事件；幂等写入+checkpoint 恢复+性能基准；docker compose 一键 demo；MIT）【信号：★★】

Imperator8000/real-time-fraud-detection（0★, Python, 09-05 建→09-07 推送, 1.2MB, MIT, 7 commits）定位"portfolio-grade 分布式流工程，不是静态 ML notebook"：数据质量+去重+隔离区分层、窗口与状态两类特征的装配边界清晰、文档含架构 mermaid 图与 demo 截图画廊。

风控视角：实时计算栈（Flink/Kafka/CEP）教学族的 PySpark 版完整样本——此前 sentinel-rto[09-05] 是 Flink 版，本仓补上 Spark Structured Streaming 版：applyInPandasWithState 是 transformWithState 之外的 per-user 状态管理实战代码，事件时间+watermark+滑动窗口的特征工程骨架可整体平移到国内实时特征平台设计；"窗口特征+状态特征"二分法是实时特征分层的清晰表述。⚠️ 作品集项目、Random Forest 选型保守、单机 docker demo 非生产拓扑。与 实时风控引擎 的流式特征栈直接相关。→ GitHub

5. abdullahabduljabbarab/risk-engine — 决策先于资金移动：确定性规则引擎的"可回放"主张（三值决策 ALLOW/REVIEW/BLOCK+分数+可解释原因，支付编排器在预留任何资金之前等待该决策——风险支付在钱动之前被拦住；明确"评分是确定性加权规则引擎，不是模型"，每一笔决策可解释可回放；行为状态异步从事件构建，决策路径独立于它但"永不对其新鲜度失明"（freshness 门）；ABS Financial Systems 三服务之一（ledger 管钱/orchestrator 管生命周期/risk 管决策+行为证据），Pub/Sub 传递事实；Cloud Run 部署+Terraform IaC+Workload Identity Federation 无密钥 CI；live Swagger UI 在线）【信号：★★】

abdullahabduljabbarab/risk-engine（0★, Python, 09-05 建→09-06 推送, 2.5MB, MIT, 14 commits）的差异化主张是决策点位与决策方式的组合：点位上"先于资金预留"（pre-authorization，与 09-04 Card-Testing-Sentinel 同点位）；方式上反潮流选确定性规则而非 ML——理由是可解释+可回放（replay），并把"行为状态新鲜度"显式建模为决策输入的一部分。terraform/ 目录+CI 徽章+live docs 显示工程完成度高于典型单日仓。

风控视角："规则还是模型"论述的新对照锚点——在 GNN/XGBoost 泛滥的追踪流里，一个明确为"可回放性"放弃模型的样本给面试论述提供了双面论据：规则=可回放+可解释+零训练漂移，代价是策略覆盖上限；"决策独立于异步状态但受其新鲜度门控"是实时决策与离线特征边界的一句标准表述。三服务拆分（账本/编排/风控）是国内支付系统风控嵌入位置的一手参照。与 实时风控引擎 的决策点位和 风控策略 的规则治理相关。→ GitHub · Live Swagger

6. Liiiyonx/vericall — AI 拟声电话诈骗拦截三通道：声学伪造检测+家庭声纹白名单+LLM 话术风险（AASIST 声学伪造检测（dev EER 0.745%）+家庭声纹+LLM 话术风险三通道融合决策；repo 内含 evaluation/ 目录、configs、training_dashboard.html、training_ep30.log（30 epoch 训练日志在库）、tests/、docs/；中文项目，独立开发；license NOASSERTION（自定义））【信号：★★】

Liiiyonx/vericall（0★, Python, 09-06 建→09-07 推送, 7.8MB, 100+ commits 单日批量推送）打的是AI 拟声（voice-clone）电话诈骗：来电声音先过 AASIST 深度伪造声学检测，再对照家庭声纹白名单（陌生"亲人声音"直接可疑），LLM 并行分析通话话术的风险模式，三通道融合出拦截决策。

风控视角：国内反诈最热的 AI 拟声诈骗（"AI 换脸拟声"骗局）的开源工程对照——三通道设计对应三类独立证据：声学层（合成痕迹）、身份层（声纹比对）、语义层（话术模式），与 反欺诈体系 的多信号融合同构；"家庭声纹白名单"是个体化基线的语音版（白名单外人声即信号）；AASIST 是声学伪造检测的标准基线模型，EER 口径为 dev 集自报（待验证）。⚠️ 单日批量推送、自定义 license、无第三方评测。→ GitHub

7. si126048/Enterprise-Public-Opinion-Risk-Control-System — 舆情风控全栈：7 因子信度模型+LLM 自动审核（FastAPI+SQLite+DashScope（阿里云 text-embedding-v3 1024d+qwen-plus）+ChromaDB；7 平台爬虫（微博/小红书/知乎/B站/TapTap/小黑盒/米游社）；8 大风控主题+32 语义锚点；向量相似度主题路由（known/uncertain/unknown 三级）+HDBSCAN 未知主题发现；7 因子信度评分（粉丝量/活跃度/互动真实性/内容一致性/信度强度/平台可信度/领域权重）；AI 审核代理自动批准/合并/忽略候选主题+4 提供商交叉验证；JWT+14 路由模块+40+ 端点+docker）【信号：★】

si126048/Enterprise-Public-Opinion-Risk-Control-System（1★, Python, 09-07 单日新建, 405KB, 27 commits, 无 license）以米哈游/游戏行业为示例，完整跑通"采集→语义路由→主题发现→信度评估→AI 审核"的舆情风控管道。

风控视角：两点值得取用：其一，7 因子信度模型里的"互动真实性"因子本质是水军/刷量检测（ engagement authenticity），与营销反作弊同源；其二，AI 审核代理的"自动批准/合并"与金融侧"LLM 永不决策"形成反向对照——内容风控里 LLM 已经在自主做低风险决策（主题合并），说明"永不决策"纪律的适用边界是资金与处罚动作，不是信息操作；向量路由三级分类+HDBSCAN 兜底未知主题是"已知规则+未知发现"的通用风控架构。⚠️ 域外（舆情≠金融风控）、单日新仓、无 license。与 风控策略 的内容风控边界相关。→ GitHub

8. Muskan3767/Phishing-Detection-using-Advanced-Graph-Learning-Techinque — motif 采样抓以太坊钓鱼账户：8 步 notebook 流水线（以太坊交易网络钓鱼账户检测：motif-based sampling（s-METS motif 计算+语义采样）捕捉可疑模式+交易特征（金额/频率/时间）注入节点特征；8 个 Step notebook 从数据清洗→节点标签生成→建图→特征工程→传统 ML 基线→GNN 模型（Lite_gtsf 与 paper_gtsf 双版本）→带数据集 CSV（labeled_accounts/motif_profiles/node_features））【信号：★】

Muskan3767/Phishing-Detection-using-Advanced-Graph-Learning-Techinque（0★, Jupyter, 04-10 建→09-07 推送, 7.2MB, 1 commit, 无 README 无 license）的信号在方法名：motif-based 采样是图欺诈检测里"子结构模式"路线（对比 GraphSAGE 的邻域聚合路线），notebook 顺序完整可复现。

风控视角：图欺诈检测的采样策略对照样本——motif（三角形/星形/环）是团伙资金链的拓扑指纹，与 Elliptic/HI-Medium 上邻域聚合 GNN 的正负结果对照（09-03 AML-Graph +8pp / Elliptic 负结果）构成第三条技术路线；传统 ML 基线先行（Step5）再上 GNN 的实验纪律值得表扬。⚠️ 无 README（方法全在 notebook 内）、无 license、1 commit。与 反欺诈体系 的图算法和 反洗钱-AML 的链上分析相关。→ GitHub

9. waittim/graph-fraud-detection — 55★ DGL 图欺诈教学基准仍在维护（IEEE-CIS 数据集上的 GNN 欺诈检测 Colab 教学（DGL+PyTorch backend）：10_data_loader/20_modeling/30_visual 三本 notebook+train.py+gnn/ 模块；2021 年建仓、55★、09-06 仍有推送（维护中）、MIT）【信号：★】

waittim/graph-fraud-detection（55★, Jupyter, 2021-04 建→2026-09-06 推送, 64MB, MIT）是中文社区流传最广的图欺诈检测教学仓之一，Colab 三连（数据加载→建模→可视化）降低复现门槛。

风控视角：GNN 入门教学基准的"活旧仓"——与今日 Muskan 的 motif 路线、saba-data 的 PyG 路线（已剔）构成 DGL/PyG/手写 motif 三种生态对照；对面试场景，它是"图欺诈检测怎么入门/怎么讲清楚"的标准引用。⚠️ 教学级实现（非生产）、IEEE-CIS 同质数据族。与 反欺诈体系 的图算法教学相关。→ GitHub

10. 【威胁情报专题】Infrai astroturf 战役第 4/5 例：伪装内容升级为 Go 支付风控服务本身（今日同日新建（09-07）、同为 0★、同为 1 commit、同为 MIT、同为 Go 单二进制的两个仓库，README 均为 Infrai API 推广教程：① EthanBrooks6593/oauth-fintech-risk-gate-go——"帮 fintech 客户从 Auth0/NextAuth 迁移"，INFRAI_API_KEY + Infrai {ok,data,error,metadata} 响应封套；② FletcherVance5389/risk-aware-payment-notifier——文件名即 infrai_realtime.go/infrai_realtime_test.go，POST /v1/realtime/publish。与 08-19 NilsBerg9082、08-28 ArjunPatel3961、09-04 MatsJohansson2781 三例 SMS API 教程同战役，累计 5 例【信号：★（威胁情报非工程参考）】）

风控视角：伪装策略的两次升级：其一，产品面从 SMS API 扩展到 realtime 推送 API（infrai_realtime.go）；其二，也是最值得警惕的——伪装载体从"风控教程"升级为"风控服务代码"：前 3 例是"用风控话题写 SMS 教程"，今日两例是完整的支付风控 OAuth 门/通知服务（含表驱动测试、幂等 Idempotency-Key 设计说明），代码本身可运行、质量不差，对"只看代码质量"的筛选者是真实项目。这对本日报工作流是直接威胁：这类仓库未来会以更高置信度混过基于"README 是否推广第三方 API"的过滤——Infrai 键名/封套/llms.txt 三件套是当前最稳的指纹（两仓均带 llms.txt）。本条不为推广仓引流（仓库名已给出，勿注册其 API）。→ 判定依据：README 主叙事为 Infrai 能力介绍+INFRAI_API_KEY 接入，与 09-04 已确认的第 3 例同指纹。

技术趋势

  • "LLM 永不决策"第 6 跃迁：验证外移成三机制同日：协议级（aegis 的 MCP elicitation——"人类已批准"从 agent 自述变成协议事实，agent 的 confirm 标志被忽略）、网络级（aegis 的 CAMARA SIM-swap 预检——在人类被提示之前先问运营商）、工具级（kyc-aml 的 PEP——每次工具调用先过 policy.evaluate）。治理线（governor→证据 schema→代数钳位→跨域治理核→默认化→验证外移）的下一站是"信任的第三方化"。
  • 评估即证据链第 7 站：泄漏即 bug 报告：cher-ry 把 PR-AUC=1.00 定性为"bug 报告"并完整记录泄漏调查——比 09-04 的"自评 MIXED"更进一步：完美指标本身就是数据流程故障的告警器。
  • 保险理赔反欺诈首次入场：车险/健康险理赔垂直（dbt 特征层+44 数据质量测试+SHAP 平语化+类不平衡对照）补上追踪版图的第 6 个业务域（信贷/支付/电商/AML/社媒治理之后）。
  • "规则还是模型"出现可回放性锚点：abdullah risk-engine 为可解释+可回放明确放弃 ML，决策先于资金预留、行为状态带新鲜度门——GNN/XGBoost 流里的反潮流样本，面试论述的双面论据。
  • 语音反诈三通道融合：vericall 的声学伪造检测（AASIST）+家庭声纹白名单+LLM 话术风险对应三类独立证据层，"家庭声纹白名单"是个体化基线思路在语音域的落地。
  • 舆情风控的 LLM 已在自主决策：si126048 的 AI 审核代理自动批准/合并主题——内容风控里 LLM 决策线已被跨过（低风险信息操作），反证金融侧"永不决策"纪律的边界在资金与处罚动作。
  • Infrai astroturf 伪装载体升级：从 SMS 教程到可运行的 Go 支付风控服务——对"代码质量筛选法"的针对性规避。
  • arXiv 连续 41 期全噪声：新批次 2609.053xx/054xx（非缓存）仍 100% 域外，累计 844 条中 1 相关（99.9%）。

行业案例

  • GSMA Open Gateway / CAMARA 进 Agent 信任链：aegis 用 Nokia Network-as-Code 的 SIM-swap 状态做支付前校验——运营商网络信号商业化的真实落地
  • 英国 AML 合规栈：kyc-aml-multiagent 引用 POCA 2002 / MLR 2017 / FCA SYSC，KYC→EDD→SAR 路由
  • ABS Financial Systems 三服务编排：abdullah 的 ledger/orchestrator/risk 拆分+Pub/Sub+Cloud Run+Terraform+keyless CI
  • 中国反诈语音前线：vericall 的 AI 拟声电话诈骗拦截（独立开发）
  • 游戏行业舆情风控：si126048 以米哈游为示例的 7 平台采集+信度模型

值得深入

  1. aegis 的 ARCHITECTURE.md：elicitation 流程与 CAMARA API 调用链——"网络信号作为支付信任输入"的接口设计第一手样本。
  2. cher-ry 的泄漏调查章节：如何把"指标完美→怀疑泄漏→定位→修复→复测"写成工程叙事——评估文档写作的范本。
  3. kyc-aml 的 policy.py + mcp_server.py：工具调用边界的策略执行点最小实现（对照 virtualryder 的 Cedar 工具拒绝）。
  4. Imperator 的 applyInPandasWithState 用法：PySpark per-user 状态管理的可移植代码段（对照 Flink 版 sentinel-rto）。