风控日报 — 2026-09-17

📊 筛选总结

• 原料：46 条入文件 — GitHub 仓库搜索 38 + arXiv 8；HN 17 条/Trending 20 条 0 条通过相关性过滤（GitHub 单渠道为主延续）
• arXiv：8 条全部无关（CMB 散射变换鲁棒性检验、agent 社会性 harness、Ring-0 反作弊架构、科研 agent 自我改进、物理约束视频生成、VLN 共形预测、置换排序组合数学、ADE-orbifold 上同调）；全噪声连续 49 期（07-17→09-17），累计约 927 条中 2 条相关，噪声率 99.8%，drop-all 默认维持
• 剔除 · 已覆盖/重复 9 条：robson[09-16]、flowcredit[09-15]、good-faith-layer[09-16]、azeri_laverie[09-12]、marketplace-phaas-tracker[08-15]、TemporalStore[09-05 剔]、warden-desk[09-05]、quantcore[07-07]、rules-factory[09-14 专题/rules-kernel 三仓]
• 剔除 · 恶意 2 个不重复验证（累计维持 33 个）：Para99999/payment-fraud-detector[07-26 今日复核 zip 下载+extract 社工 README 未变]、Lexmiii/argus-audit-intelligence[09-15 诱饵，今日 README 复核仍为"Lexi"（13 次提及），同作者 stratify-ai 09-15 活跃]
• 剔除 · 域外/过薄 8 条：Firefox-FingerPrint-Analyzer[今日第 6 个新确认恶意仓：README 首屏 Download 徽章指 in-repo .zip+extract 社工话术，root 混入中文文件名浏览器下载地址.txt，累计 33→34] 、api-evangelist×2（tongdun/tmt-id 厂商档案 stub 族）、Upi_Shield[概念阶段无 license 且 MalwareBazaar/数千项特征与举报奖励声明未验证]、pololoys 窃电检测[嵌入式非数据风控]、CorinneWestover SQL 作品集、portfolio-risk-engine[投资域外]、perishable[09-05 已剔]
• 筛出：8 条工程高信号 + 1 条威胁情报专题
• 主题一 · 风控控制面与业务面分离：officer（pre-trade 控制面：检查订单+签名放行，永不路由成交，MCP 面向 agent）与 robson[09-16]（执行纪律）构成交易风控的"控制面/执行面"分工；obligation-net-optimizer 把结算风控从"事后监控"推进为"持续优化的动态债务图"
• 主题二 · agent 风控应用第一线落地：473★ MARVIS-Agent（信贷风险 agent 工作台）与 RLens（GCC 信贷+AML+LLM copilot）把 agent 从调查辅助推到建模/验证/策略全流程——是本库 agent×风控交叉至今最强的采用信号

今日高信号

1. eddyzzl/marvis-risk-agent — 473★ 信贷风险 agent 工作台：从数据到策略的六工作流一体化（全流程信贷风险 agent（MARVIS-Agent）：本地数据分析工作台——data/feature/risk/modeling/validation/strategy 六工作流（数据→特征工程→风险→建模→验证→策略报告）；自然语言驱动（"告诉 MARVIS 你要什么风险决策"，本地数据不出域）；1026 commits、1.4 年活跃开发（06-03 建→09-16 推送）、MIT、28.9MB、README 中英双语、DESIGN.md/REVIEW.md/bandit 基线/uv.lock 工程纪律齐全）【信号：★★★】

eddyzzl/marvis-risk-agent（473★, Python, 06-03 建→09-16 推送, 28.9MB, MIT, 1026 commits）README 16.1KB 含工作台截图与六工作流说明；DESIGN.md 在位。README 中的 ".exe/download" 命中为安装包下载链接与文档用语（非社工模式——配套 packaging/ 与 pyproject 工程结构正常）。验证无恶意模式。

风控视角：本库 30+ 检测样本中第一个大规模采用级的"风险 agent 工作台"——473★/1026 commits 意味着 agent 辅助风控建模已从概念验证进入真实采用。三个记录点：① 风控建模的 agent 化切口不是"自动决策"而是"六工作流的流程编排"（数据→特征→建模→验证→策略），与 风控归因 Agent 项目 的调查型 agent 互补——一个是流程效率、一个是调查深度；② "本地数据不出域"是信贷数据合规下的 agent 架构约束样本；③ validation 独立成工作流（而非建模的附属步骤）与评估纪律线同向。⚠️ 信贷域特化、README 声称的自动化深度未逐工作流核验、473★ 的用户构成（风控 vs 通用数据分析）未查。与 风控模型 和 Agent 技术地图 直接交叉。→ GitHub

2. openpitkit/officer — pre-trade 风控控制面：检查订单+签名放行、永不路由成交，MCP 面向 AI agent（开源 pre-trade risk control plane（Go，Apache-2.0，69 commits，CI/Release 徽章在位）：职责声明"checks orders against your limits and signs the approval the trade needs; never routes or fills an order"——四种消费面：操作员 dashboard、程序 REST API、AI agents 走 MCP server（二进制四子命令 serve/mcp/dashboard/healthcheck）；代码树 engine/checks/signing/httpapi/mcptools/framework 分层+examples/customhost+docs/api+configuration+development 三文档；"One local engine over one local store"（SQLite 单节点）+签名放行（approval 可传递、可验证））【信号：★★★】

openpitkit/officer（0★, Go, 09-16 当日新建, 3.6MB, Apache-2.0, 69 commits）全树走查：engine/checks/signing/mcptools 等模块齐+docs 三文档+requirements.txt（web 端）——真实工程结构，非 README 空壳。验证无恶意模式。

风控视角："控制面/业务面分离"在交易风控的精确样本——officer 本体零执行权（永不路由/成交），只做"检查+签名放行"，签名使风控批准成为可验证的可传递凭证（下游执行方可以校验"这笔单过了风控"），这正是 实时风控引擎 的"裁决与执行分离"架构；MCP server 作为风控控制面的 agent 接口是首次出现——AI agent 下单前必须过 officer 的限额检查，与 tarka[09-15] 的"模型永不晋升"、StellarRisk[09-16] 的"AI 建议不进处置通道"同属决策权边界谱系，但第一次把边界做成了独立控制面服务而非应用内约束。⚠️ 0★ 单日仓 69 commits、limits 语义（订单级 vs 组合级）未深读、签名格式的防伪强度未核。与 风控归因 Agent 项目 的"建议与处置分离"同构。→ GitHub

3. vridhib/obligation-net-optimizer — 结算风险引擎：动态债务图上的持续多边净额优化（实时多边净额与结算风险引擎（Python/TS/Django，MIT，78 commits）：吃进支付义务流→维护动态 obligation graph→持续计算最优净头寸与结算批次（最小化流动性占用与结算失败）；backend/frontend 分层+technical_design_document.md 设计文档在位；描述与 README 一致、实现为真实工程）【信号：★★】

vridhib/obligation-net-optimizer（0★, Python, 07-22 建→09-16 推送, 261KB, MIT, 78 commits）README 简短（340B）但 technical_design_document.md 补足设计细节；root 6 项（backend/frontend/docs）。验证无恶意模式。

风控视角：结算风控从"事后监控"推进到"持续优化"的少见样本——银行间/机构间的多边净额是清算所核心风控（国内网联/银联清算的同题），这里把"义务图上的净额优化"做成流式持续计算而非日终批处理：流动性占用与结算失败是同一优化的两个目标。与 good-faith-layer[09-16] 的"结算后追责"互补——一个管结算中的效率与失败率、一个管结算后的责任分配。⚠️ 0★、算法（净额求解器的具体实现）深度未读、无生产案例。与 支付风控 的清算结算章节相关。→ GitHub

4. OssamaMokhtar/RLens — GCC 信贷一体化平台：PD/LGD+AML 前置筛查+监管政策 LLM copilot（面向 GCC（海湾）放贷机构的 AI 信贷评分与风险平台（MIT，158 commits）：零售+SME 信贷决策——PD/LGD 模型带可解释因子归因、欺诈检测与 AML/制裁筛查前置在决策前而非事后、LLM copilot 用 RAG 挂在监管政策上、阿拉伯语/英语双语设计（bilingual AR/EN）；docs 01-system-architecture/07-scoring-logic 等编号文档在位）【信号：★★】

OssamaMokhtar/RLens（0★, JavaScript, 03-31 建→09-16 推送, 396KB, MIT, 158 commits）database/docs/frontend-app/react-ui/ui-kit 分层在位；SECURITY.md/PRIVACY.md 齐。验证无恶意模式。

风控视角：区域性信贷风控一体化样本的三个差异点：① AML/制裁筛查的前置化声明（"pre-decision, not post-hoc"）与 payment-risk-screening[09-15] 的 screening≠risk 分工论证互证——筛查嵌入决策流 vs 事后名单比对的架构差异正在被更多实现显式化；② LLM copilot 挂监管政策（RAG）——LLM 在信贷域的位置是"解释政策"而非"参与评分"，与治理线（LLM 无裁决权）一致；③ 阿英双语是海湾市场合规刚需（反洗钱报告语言要求）。⚠️ 0★、模型与筛查深度未核、"LLM copilot"的权限边界未读。与 风控模型 和 反欺诈体系 的 AML 章节相关。→ GitHub

5. FFraud-com/ip-fraud-database + disposable-email-domains — 蜜罐源开放情报数据：120 万恶意 IP+21.9 万一次性邮箱域名，MIT 无门槛（开放威胁情报数据集（同组织两仓）：ip-fraud-database——1,200,000+ 已确认恶意 IP（C2/僵尸网络/钓鱼/爆破），蜜罐传感器+社区举报捕获，评分+分类，30 分钟重建一次；disposable-email-domains——219,000+ 一次性/临时邮箱域名黑名单，同样 30 分钟重建；一个纯文本文件、MIT、无注册、无 API key、无速率限制；26★/5★，13,200+ commits（数据重建即提交），仓库体量 15.5GB/7.6GB——数据本体在仓库内）【信号：★★】

FFraud-com/ip-fraud-database（26★, 数据仓, 06-30 建→09-16 推送, 15.5GB, MIT）+ disposable-email-domains（5★, 7.6GB, MIT）。README 营销化（banner/ffraud.com 导流）但 LICENSE 为真 MIT（数据+文档授权已读原文），root 含 asn-reputation/ip-intelligence/threat-ips 分类目录。验证无恶意模式。

风控视角：规则引擎/风控策略的免费输入源样本——一次性邮箱域名与恶意 IP 名单是注册风控、营销反作弊的最基础特征源，此前本库同类样本（FFraud 双库[07-14 已收录旧版]）体量与更新频率不及此版；"蜜罐自产数据+30 分钟重建+MIT 无门槛"的开放模式对照商业威胁情报厂商（IPQS/MaxMind 类）的授权墙是差异化路线。⚠️ 数据质量未经独立验证（蜜罐捕获的误报率、IP 重置后的时效衰减）、15.5GB 数据仓的拉取成本、ffraud.com 的商业导流动机（免费数据的获客漏斗）。与 反欺诈体系 的名单特征章节相关。→ ip-fraud-database、disposable-email-domains

6. Rupali-2507/MULE_HUNTER — UPI 层级账户实时检测：GNN+JA3 指纹+行为取证的多引擎管线（实时 mule account 检测引擎（7★，447 commits，Java 17/Spring Boot+Python ai-engine）：图神经网络（GraphSAGE）+JA3 TLS 指纹+行为取证（EIF）识别洗钱层级网络/smurfing/合谋欺诈，毫秒级；backend（Spring Boot）/ai-engine（Python：train_model/inference_service/feature_engineering）/contracts/control-tower/security-forensics/visual-analytics 多模块+docker-compose；"defense in depth"多引擎架构；⚠️ 无 license）【信号：★】

Rupali-2507/MULE_HUNTER（7★, Java/Python 混合, 2025-12-15 建→09-16 推送, 86MB, 无 license, 447 commits）ai-engine/ 含训练/推理/特征工程真实 Python 文件，backend/ 为 Spring Boot 工程；"download" 命中为 PDF 审计功能禁用的运维表格（非社工模式）。控制塔/取证目录 403 为 API 限额非仓库异常。验证无恶意模式。

风控视角：mule account（人头账户）检测的多引擎融合样本——GNN 图检测（层级网络）+JA3 TLS 指纹（设备/环境）+行为取证（EIF）的三通道设计与本库 GNN 线（Bitcoin-GNN 教学、HITL-XGNN[09-15] 评估）不同点在工程化深度（447 commits 的多模块微服务+docker-compose）；mule 网络是国内反赌反诈的一线场景（跑分平台打击的技术同题）。⚠️ 无 license、JA3 指纹在 UPI 移动端场景的适用性存疑（JA3 主要覆盖 TLS 客户端，移动 App 的指纹面不同）、检测指标未披露、86MB 多模块实现度未逐模块核验。与 反欺诈体系 的图检测与电诈场景相关。→ GitHub

7. alphan-ml/fraud-radar — IEEE-CIS 全量数据的时间感知 LightGBM：isotonic 校准+Lambda 实时评分端到端（信用卡欺诈评分全管线（MIT）：完整 IEEE-CIS Fraud Detection 数据集（Kaggle 竞赛数据，下载 zip 的 sha256 记录在案）→时间感知（time-aware split）LightGBM 二分类→isotonic 校准输出欺诈概率；已部署实时评分 API（AWS Lambda+API Gateway，base URL 公开、/health 路由在位）；outputs/ 留存 metrics/data_quality/holdout_examples/split_info 全套评估工件+131KB pipeline.log；CLAUDE.md/CONTEXT.md（AI 辅助开发的上下文文件）在位）【信号：★★】

alphan-ml/fraud-radar（0★, Python, 09-16 当日新建→同日 22:59 推送, 140KB, MIT, 3 commits）src/fraud_radar 包结构+outputs/ 评估工件+aws-lambda/ 部署件在位；README 的 .zip/.exe 命中均为数据集 sha256 记录与 Lambda 文档（非社工模式）。验证无恶意模式。

风控视角："评估即证据链"谱系的工程纪律样本——单日 3 commits 却把时间感知分割、校准、部署、评估工件（metrics/data_quality/split_info 可复放）全套做齐，与 TypologyDesk[09-14] 的 artifact 审计、ring-faith[09-13] 的忠实度基线同属"训练之外的部分才是风控建模的真功夫"谱系；isotonic 校准是把模型分变成业务可用概率（阈值/损失加权的前提）的少见显式样本；单日建成+AI 上下文文件（CLAUDE.md）提示这是 AI 辅助开发的成品案例。⚠️ 3 commits 实现成熟度待时间检验、公开 Lambda 端点的滥用面、IEEE-CIS 单数据集泛化未知。与 风控模型 的评估与部署章节直接相关。→ GitHub

8. Fruth28/go-payment-antifraud — Go 幂等可解释支付决策服务的最小参考实现（同步支付决策服务（Go，当日建仓 6KB）：确定性风险规则+幂等决策+可解释输出（"Idempotent explainable payment risk decision service"）；cmd/internal 分层+Dockerfile+CI 徽章在位；README 4KB 直入实现）【信号：★】

Fruth28/go-payment-antifraud（0★, Go, 09-16 当日新建, 6KB, 无 license, 1 commit）root 7 项（cmd/internal/go.mod/Dockerfile/.github）。验证无恶意模式。

风控视角："幂等+可解释"作为支付决策服务的第一性声明——6KB 最小实现把两个约束做成服务契约而非功能选项，与 rules-kernel[09-14] 的 replay identity、tarka[09-15] 的 action_id 幂等同属决策可复放谱系的最小落地形态，适合做 实时风控引擎 教学对照样本（对照 RITIKA-SHARMAA[09-15] 的完整事件驱动参考设计的简化镜像）。⚠️ 单 commit 骨架阶段、无 license、规则深度未知。→ GitHub

9. 威胁情报专题 — Zen7 载荷轮换换名不换字节 + 家族每日协同刷新中断/延续分化 + 第 6 个新恶意仓（① Zen7 载荷轮换（轮换态确认）：旧路径 zen7-pro-setup.zip/fraud-detection-suite.zip 双双 404，同目录同名重传换名版：Sapharensian/ 现为 Zen_Payment_Agent_v1.7.zip（584,580B——与主家族字节数完全一致）+Zen7-Payment-Agent.zip（1,394,759B 同前）+README 下载 CTA 已指向新文件名；同名重传换名 = 规避哈希/路径黑名单，路径级 IOC 失效周期缩短到日级；② 家族节奏分化：Zen7（06:40Z）/TRDGNN（06:43Z）09-16 同日刷 README（同窗口对），trade-intel（09-15 后）/deepguard（09-15 后）停更 2 日——上次停更（08-30）为 2 日静置，本次是否同样"复活"待 09-18 验证；③ 5 zip 探活：TRDGNN 587,686B（200）、trade-intel 531,063B（200）、deepguard 538,362B（200）全字节不变，Zen7 两新名 584,580B/1,394,759B（200）= 载荷总量 5 个不变；④ sulemanyou 维持弃号（0 gists/0 events/gist 404）；⑤ argus 诱饵未变脸（"Lexi"×13）；⑥ 新恶意 +1（累计 33→34）：r1ghtoo/Firefox-FingerPrint-Analyzer——README 首屏 Download 徽章指 in-repo .zip（5 处 .zip 提及+extract 话术），root 混入中文文件名浏览器下载地址.txt，2024 年老仓 09-16 变脸（.zip+社工话术模式命中））【信号：★★★（威胁情报）】

验证实录（主会话 Python urllib/HTTP API+HTML 嵌入树回退，data/verify_2026_09_17.py + b/c/d/e 五脚本）：12 候选仓 metadata+README 全文+root listing+恶意模式 grep；Zen7 双旧 zip 路径 404→HTML 嵌入树走查 Sapharensian/ 目录→新文件名定位→双 zip HEAD 探活逐字节比对；TRDGNN/trade-intel/deepguard 三 zip HEAD 探活全 200+字节零变化；4 活跃仓 commits API 确认 README 刷新时间窗；argus README 全文复核（"Lexi"×13，stratify-ai 09-15 活跃）；sulemanyou gists=0/events 空/gist id 404。风控视角：Zen7 的"同目录换名重传"把 09-13 的载荷轮换从"换目录"细化为"换文件名"——黑名单防御的失效周期被压到日级，检测必须转向载荷字节指纹+README 模板聚类（仓库名/路径/文件名三弱信号全部失效中）；家族"每日协同刷新"节奏出现分化（Zen7/TRDGNN 延续、trade-intel/deepguard 停更）——节奏画像监控的第 4 次修正方向：从"全家族同步"到"成对子群+异步成员"的拓扑观察。已链接仓库名仅作威胁情报引用、永不作技术引用。→ Zen7（勿用）、Firefox-FingerPrint-Analyzer（勿用）、TRDGNN（勿用）

技术趋势

• 控制面/业务面分离：officer 的"检查+签名放行、永不执行"与 robson[09-16] 的"人决策后纪律执行"构成交易风控的前置控制/后置执行分工——签名放行使风控批准成为可验证凭证，是"裁决与执行分离"架构的最精确表述。
• 风控批准凭证化与 MCP 化：officer 首次把 MCP server 作为风控控制面的 agent 接口（AI agent 下单必过限额检查）——决策权边界谱系（tarka promote 门→StellarRisk 类型边界→officer 独立控制面服务）从应用内约束走向独立服务+agent 原生接口。
• agent 风控应用进入采用期：MARVIS-Agent（473★/1026 commits）证明 agent 辅助风控建模有真实用户规模；RLens 把 LLM copilot 限定在监管政策解释（RAG）——agent 在风控的位置收敛为"流程编排+政策解释"，不是"自动决策"。
• 筛查前置化的再确认：RLens 显式声明 AML/制裁筛查"pre-decision, not post-hoc"，与 payment-risk-screening[09-15] 的 screening≠risk 分工论证互证——筛查在决策流中的位置正在成为架构显式设计点。
• 结算风控的持续化：obligation-net-optimizer 把多边净额从日终批处理改为流式持续优化——结算风控的时间粒度从 T+1 收紧到实时。
• 威胁情报：Zen7 换名重传（路径/文件名 IOC 日级失效）+家族节奏分化（成对子群延续、异步成员停更）——检测重心必须转向载荷字节指纹+README 模板聚类。

行业案例

• 信贷风险 agent 工作台（MARVIS-Agent）：六工作流（数据→特征→风险→建模→验证→策略）一体化、本地数据不出域、中英双语。
• pre-trade 风控控制面（officer）：订单限额检查+签名放行+MCP agent 接口+dashboard 的四消费面单二进制。
• 清算结算净额优化（obligation-net-optimizer）：动态义务图上的持续净额计算（流动性+结算失败双目标）。
• GCC 信贷一体化（RLens）：PD/LGD+前置 AML 筛查+监管政策 RAG copilot 的阿英双语区域合规平台。
• 开放威胁情报数据（FFraud-com）：蜜罐自产 120 万恶意 IP+21.9 万一次性邮箱域名，MIT 无门槛 30 分钟重建。
• UPI 反跑分（MULE_HUNTER）：GNN+JA3+行为取证的多引擎 mule account 检测微服务。

值得深入

• officer 的 signing 包：approval 签名的具体格式（密钥管理/防伪强度/有效期）——若为标准签名方案可升格"风控批准凭证化"专题。
• MARVIS-Agent 的 validation 工作流：独立验证工作流的检查项清单与 vridhib 设计文档的净额求解算法。
• RLens 的 docs/07-scoring-logic.md：PD/LGD 的可解释因子归因实现与 AML 筛查的前置嵌入方式。
• fraud-radar 的 outputs/ 评估工件：time-aware split 的具体切法与 isotonic 校准的样本量依据（3 commits 单日建成的方法论可信度）。
• trade-intel/deepguard 停更第 3 日：是否复制 08-30 的 2 日静置后复活节奏。