风控日报 — 2026-10-10

📊 筛选总结

  • 原料：52 条入文件 — GitHub 40 + 采集器 arXiv 12；HN 13 / Trending 20 条未通过过滤
  • arXiv：采集器 12 条全部无关（新批次 2610.124xx：脉冲星 archival 搜索、LLM 探针测欺骗、齐次多项式向量场不可判定性、灵巧操作 RL、图像编辑自蒸馏、机器人世界模型、运动安全过滤、音频视觉字幕、自旋玻璃、Lyapunov 谱——已知噪声类别不重判）；词组直查 15 篇 — 2 篇新采（2610.11665 Evi-VN 图欺诈难样本证据注入 + 2610.10957 TRACE 可解释性债务治理框架），批量摘要 15/15 成功（直查连续性观察第 12 期：昨日停滞确认为提交日历波动）
  • 剔除 · 已覆盖/重复 15 条：FFraud-com 双库[10-07 采 今日再现]、Wallet-Risk-Scanner[09-26 采 仍 190★]、girisha-62[10-08 采 再现]、SiteQ8/Asli[09-24 采 再现]、marketplace-phaas-tracker[10-07 采 再现]、ldamasio/robson[09-30 采 再现]、PactGuard[09-15 采 再现]、warden-desk[09-05 剔 维持]、AayushH1510[10-07/10-08 剔 维持]、mahima2604[09-27 剔 维持]、Karan-Rastogi/payment-risk-engine[10-05 采 再现]、primatewakeisland574/payment-channel-guide[10-05/10-01 采 再现]、Radioactivegeek/aave-v3-USDe-risk[10-02/10-06 采 再现]、TarKalai/MAGRITTE[06-23 采 ★★★ 今日再现——同描述第 N 次，日滞后捕获的长期复现]、aridhyajain/fraud-detection-system（一行描述过薄）
  • 剔除 · 域外/过薄 12 条：phase-rs/phase（301★ 游戏规则引擎）、shaggy806/deckblitz（万智牌规则引擎）、0MAR280/Rule-Engine（Luau 游戏逻辑）、PolicyEngine/microcosm（调查微数据规则适配）、Oz134/perishable-inventory-risk-engine（生鲜库存）、GAWAD-LAB-STANFORD/Pediatric_AML_SC_Atlas（AML=急性髓系白血病，09-20 已知关键词误报类别）、2004Luci/AML（课程作业）、sushilpatil51p-ds（课程 sem HTML）、ria0304/Bitcoin-GNN（2★ 学生薄仓）、api-evangelist×2（nokia-network-as-code + urbanfox——API surface 第三方简介页，无代码）
  • 剔除 · 恶意 +0 新（累计维持 41）：批次残留 4 个不重复验证（Amy7007/VPN-Detector[07-26 恶]、heydsqi-dsq[07-26 恶]、yoelpa6680[07-26 恶]、hgthangbq-lang[07-26 恶]）
  • 剔除 · astroturf +0 新（累计维持 25）：脉冲投放静默第 4 日
  • 筛出：2 条 ★★★ 工程 + 4 条 ★★ + 3 条 ★ + 1 条 arXiv 直查（2 新采）+ 1 条威胁情报专题（11 条）
  • 主题一 · "评估协议"本身成为最大增量：ieee-fraud-ml 实测泄漏切分值 10.4 AUC（0.9557→0.8513，卡重叠 86%→31%）、ai-act-fairness-audit 把自家模型按 EU AI Act 逐条审计出"欺诈检测豁免"、trace-fraud-workbench 发现银行自研风险分与确认欺诈反相关（ROC-AUC 0.053）——三仓同日指向"你的分数在测什么"
  • 主题二 · Agentic 调查工作流的"证据先行"形态：trace-fraud-workbench 在 TigerGraph 知识图上做 agent 调查——图上重推每条证据、对数几率可解释评分、确定性策略引擎决定动作（LLM 永不决策）、全本地 Ollama
  • 主题三 · 治理与模型后生命周期：TRACE 框架把"可解释性债务"变成可度量指标（12 个月生产欺诈系统纵向案例，债务分提前 6 个月可预测）；Evi-VN 用多模态证据链只修 GNN 共享难样本
  • 主题四 · 威胁情报 · 双对触碰日回归：B 对晨窗 35s（史上第 2 紧）+ A 对夜窗 3m2s，相隔约 14 小时；6 载荷字节全稳；GONE-4 第 3 期维持 404

今日高信号

1. darain24/trace-fraud-workbench — Agentic 欺诈调查工作台：TigerGraph 知识图+对数几率可解释+确定性策略引擎，自带"银行风险分反相关"发现（Python（MIT，2026-09-23 建→10-09 推送，0★，340KB，README 8.6KB+CI+截图）——"Evidence before action"：告警→图上收集证据（GSQL 经官方 MCP server 逐步重推，"图不同意 agent 就停"）→对照本行 5,565 个已结案例→证据不足时主动索要更多→按银行策略给出建议动作+审批路由→结案写回图；概率=命名对数几率权重之和（算术全程可见）；LLM（Ollama 本地）只做推理不做决策，策略引擎（确定性）选择每个动作；全本地免费栈（TigerGraph CE Docker+Ollama，无云无 API key）；核心发现：银行自研风险分与确认欺诈反相关 ROC-AUC 0.053——每个已结清案分数 ≥0.82，而该分数决定哪些告警被打开；分数最高的"告警"是换了新手机/出差/一笔大额的正常持卡人）【信号：★★★（方法论级+发现级）】**

风控视角：两个层面的增量：① AUC 0.053 的反相关发现是"分数校准漂移"的极端标本——不是模型衰减的通常形态（缓慢劣化），而是选择效应：分数决定谁被立案→立案结果定义"确认欺诈"→已结清案例全是高分正常客户（clearing bias 的完整闭环）。任何用"已结案"做评估基准的团队都该自查这条反馈回路；② "LLM 推理、策略引擎决策"的分工是 agentic 风控的正确安全边界——与 风控归因 Agent 项目 的架构直接同构（agent 产证据与假设、规则引擎产动作、人产审批），且"每条发现必须在图上由 GSQL 重推"给出了幻觉治理的落地方案：不信任 LLM 的陈述，只信任它触发的确定性查询结果。⚠️ 0★ 新仓、银行数据为（脱敏/合成？README 未明示）案例库、5,565 案例的细节不可独立验证。与 反欺诈体系 调查工作流、风控归因 Agent 项目 相关。→ GitHub

2. aghasalim/ieee-fraud-ml + ai-act-fairness-audit — 泄漏协议值 10.4 AUC 的端到端记录，以及"审计到一半发现自己不在中国高风险清单里"的 EU AI Act 豁免发现（双仓同作者联动（均 MIT，IEEE-CIS 4★ 3.3MB / audit 2★ 812KB，均 10-09 推送+CI+Zenodo DOI）——① ieee-fraud-ml：590,540 笔全量上，模型/特征/行全部固定，只换切分方式：shuffled K-fold+全局 target encoding 0.9557 → 时序+fold-local 0.8513（10.4 AUC）；机制：训练/验证卡重叠 86%→31%；提交私榜交叉验证了泄漏方向，但"最可辩护"的数字与榜上不符——README 主张"决策链记录比分数重要"（NOTES.md+METHODS.md 全过程）；② ai-act-fairness-audit：对上述 LightGBM 模型按 Regulation (EU) 2024/1689 逐条审计，开场前提是错的：Annex III 5(b) 信贷评分明文豁免"用于检测金融欺诈的 AI 系统"——本模型不在高风险清单内，审计在法律上并非必需；但审计照做了：442,905 笔、1% 告警预算、7 个代理分群，发现跨产品线误拦率差 793 倍、无身份数据的 82% 交易里只抓到 1.4% 的欺诈——"非高风险"是监管类别，不等于没人受害；每个数字由 verify/ 下独立程序重算，CI 不一致即构建失败）【信号：★★★（评估方法论+合规实证）】**

风控视角：这组仓是"评估纪律"内容的教科书级开源样本：① 10.4 AUC 的切分差距给了"泄漏税"一个可引用的量级——与 DSC_599 学生对照[10-09 #4]（同数据集 GNN vs TabTransformer 用无泄漏时序切分）同一自觉：模型间对比的一切结论都以切分正确为前提；"卡重叠 86%→31%"是泄漏机制最直白的可视化，可直接进内训材料；② EU AI Act 欺诈豁免是合规线的重要事实——国内语境下对应"反欺诈模型是否算高风险自动化决策"的讨论参照：豁免的理由（"向被检测者解释检测会破坏检测"）与 audit 作者的反诘（误拦是真人被拒卡，与 annex 无关）构成完整的辩论两面；③ verify/ 独立重算+CI 门禁是"数字可信"的工程化终点——审计自己模型的每个数字都有独立实现复核，这个模式可以搬到任何风控报表。⚠️ 竞赛数据、audit 的代理分群无真实受保护属性。与 风控模型 评估章节、风控归因 Agent 项目 的审计设计相关。→ ieee-fraud-ml、ai-act-fairness-audit

3. arXiv 2610.11665 — Evi-VN：GNN 欺诈检测的"共享难样本"证据注入——虚拟类节点只修难样本，不动可靠预测（10-08 提交——观察：不同 GNN 在欺诈检测中犯重叠的错误（shared hard region），说明图拓扑与标准特征之外的潜在欺诈证据未被利用；Evi-VN 学出这些盲区并用"特征隔离证据链"（结构化记录+文本+图像+音频）纠正：虚拟类节点把多模态证据只注入疑似难样本，保持既有 GNN 的可靠预测与输入设计不变）【信号：★★（新方法+直查新采）】**

来源：arXiv:2610.11665。风控视角："共享难样本"是对图风控"实现差距"叙事[10-09 主题]的方法级回应——不同 GNN 犯同样的错，说明错误不在模型而在表征够不着的证据模态（文本描述、图像、语音）。可迁移的两点：① "只修难样本"的选择性注入避免了多模态融合扰动已可靠样本的老问题（uniform fusion 的代价第一次被显式建模）；② 证据链"行为+内容+上下文"跨模态连接的设计，对应国内风控的"多模态证据融合"方向（录音/截图/工单进模型）。⚠️ 摘要未给数据集规模与基线数字（待验证）。与 风控模型 图模型章节相关。→ arXiv

4. arXiv 2610.10957 — TRACE：生产 AI 系统的"可解释性债务"治理框架——12 个月生产欺诈系统纵向案例，债务分提前 6 个月可预测（10-07 提交——七件套治理框架：EDS（可解释性债务分：低于治理定义置信阈值的线上决策占比）、DART（债务积累率追踪+违约预测）、SHIV（每日治理健康）、FDE（特征漂移因果归因）、HVE（人工验证）、AIDE（审计干预决策）、ZERO（修复优化）；12 个月×日均 5 万笔生产欺诈系统（准确率 98.46%/ROC-AUC 0.9990）纵向案例：审计日 EDS=0.23，用 DART 轨迹分析（β=0.008/周）提前 6 个月统计可预测）【信号：★★（治理框架+生产案例）】**

来源：arXiv:2610.10957。风控视角：与 2610.05379[10-07 采]"解释随漂移衰减"构成同一条线的两半：05379 证明解释保真度会静默衰减，TRACE 把衰减变成可追踪、可预测、可修复的债务指标——① "解释债务分"（低于置信阈值的决策占比）是比"模型准确率"更贴近监管现实的运营指标：监管要的不是"模型好"而是"每个决定能解释"；② 债务提前 6 个月可预测意味着可解释性衰减有动力学规律（不是漂移的随机后果）——重训周期与解释审计周期的编排可以从"日历驱动"改为"债务率驱动"。⚠️ 单案例、框架的七件套有 SaaS 化包装感（待验证其实施成本）。与 风控模型 可解释性章节、风控归因 Agent 项目 治理设计相关。→ arXiv

5. azerkouka/PayGuard — 移动钱包实时欺诈检测的最小完整流式栈：Kafka→Redis 特征→XGBoost→PG，23ms 评分+SHAP 理由+分析员复核回路（Python（无 license，10-09 当日建+推送，0★，197KB，README 10.9KB+CI）——端到端：模拟器（90 天 Parquet 离线/JSON 流式双模式）→单一定义特征文件同时供批特征与在线 API（"features/one definition" 双向虚线）→LogReg 基线+XGBoost→评分消费器（Redis 用户状态+PostgreSQL 落盘+review/block 写 Kafka alerts）→Streamlit 仪表盘（分析员 verdict 回写 PG）；每笔 ~23ms（p99 62ms）带 SHAP 理由；宣称 PR-AUC 0.94 vs 0.61 基线（模拟数据）+在线/离线 parity 测试+at-least-once 投递）【信号：★★（工程参照·当日仓）】**

风控视角："单一定义特征文件同时喂批与流"是特征平台 parity 问题的最朴素正确解——与 seqfraud 的 parity 双对账[10-09 #1]、u-Kuro 的审批状态机[10-09 #2]同谱系，但把特征定义单源化放在了架构图中心（多数个人仓把特征工程藏在训练脚本里）；"可疑交易进分析员队列+verdict 回写"的闭环与 tunisia[10-09 #3] 同构——复核回流已成为个人实时风控仓的标配语义。⚠️ 当日建仓、无 license、模拟数据上的 PR-AUC 不可比、197KB 无压测证据。与 实时风控引擎 架构章节、特征平台相关。→ GitHub

6. 25032007/Refundguard — 退款滥用团伙检测平台：确定性可解释评分（反"黑盒 ML"立场）+2D 图遍历+NLP 投诉分析+SHA-256 审计日志，公网 Live Demo（JavaScript（MIT，2026-09-05 建→10-09 推送，0★，2.4MB，README 9.3KB+CI+公网 demo refundguard.onrender.com）——场景：协调退款滥用（synthetic 多账号网络+共享设备/支付凭据），单账号 velocity 规则失效（欺诈者刻意低于单账号阈值）；技术面：行为风险评分+NLP 投诉文本分析+2D 力导向图情报三路合一；明确反黑盒立场："100% explainable, deterministic evidence"+SHA-256 加密审计链（面向支付网关/电商的上诉场景）；React 18+Vite/Express+SQLite/JWT+Zod；CRITICAL/HIGH/MEDIUM 分级 case triage 控制台）【信号：★★（细分场景+治理立场）】**

风控视角：退款滥用（refund abuse）是国内"营销反作弊/退赔欺诈"的对应场景，开源仓里稀缺：① "确定性证据优先于黑盒 ML"是上诉友好的正确取舍——退款纠纷要向商家/持卡人出示证据链，SHA-256 审计链把"评分依据不可篡改"变成可验证声明（与 graphshield[10-08 #3] 的"decision support only"同属"治理立场工程化"谱系）；② "单账号 velocity 规则失效→必须跨账号图关联"是团伙化的标准论证，2D 力导向图作为调查 UI 的形态可参考。⚠️ 0★、SQLite 体量（教学/作品集级）、"enterprise-grade"自述与实存体量不符（描述夸大检测的轻度样本）、公网 demo 的数据为合成（待验证）。与 反欺诈体系 营销反作弊章节相关。→ GitHub

7. priyankabolem/fraud-detection-mlops — 无重依赖的 PSI 漂移监控+时序评估教学仓：手写分位数分箱+0.10/0.25 标准带（Python（无 license，2026-05-27 建→10-09 推送，0★，391KB，README 详述模块边界）——信用卡欺诈：chronological evaluation+AUPRC 驱动的 XGBoost 阈值选择+MLflow+FastAPI /predict（批量 1,000 笔/调用，报每请求延迟）+PSI 漂移监控（直接手写：分位数分箱+标准 0.10/0.25 预警带，无重依赖）+Docker+CI（10 个测试跑在微型合成模型上，CI 无需 144MB 数据集）；宣称"服务的就是评估过的那个 artifact"）【信号：★（教学参照）】**

风控视角：PSI 手写实现（分位数分箱+0.10/0.25 带）是漂移监控的最小正确样本——比拉 Evidently 更适合教学与端内嵌；"10 个测试+微型合成模型让 CI 不碰大数据集"是个人仓 CI 工程化的好形态（测试关注逻辑而非数据）。⚠️ 0★、无 license、公开数据集体量。与 实时风控引擎 MLOps 章节相关。→ GitHub

8. Oluwanifemmi/Real-Time-Payment-Fraud-Detection-Systemm — 双特征存储+漂移/延迟监控→重训回路的管线结构图样本（Python（无 license，10-05 建→10-09 推送，0★，14KB 过薄，README 6.9KB）——管线结构：数据校验→EDA→特征工程双路（batch→offline store / streaming→online store）→训练（多模型族对比+校准+注册）→FastAPI→监控（drift+latency 双指标）→告警/重训→特征管线回路）【信号：★（结构样本·过薄登记）】**

风控视角：登记价值在结构图本身：批/流双特征存储+漂移/延迟双监控+重训回路的"标准答案"画法——与 PayGuard[今日 #5]（已实现）对照：本仓是"结构先行"的过薄形态（14KB 树 vs 6.9KB README 的描述夸大轻症）。若后续填充代码可再看。→ GitHub

9. boutouileabdelkrim-pixel/aml-network-intelligence — 表格 ML+图特征混合的 AML 教学仓：Node2Vec/社区发现→异常检测，SHAP+MLflow+Docker 全家桶（Jupyter/Python（MIT，10-06 建→10-09 推送，0★，1.4MB，README 6KB+CI）——立场："真实信号不在单笔交易而在账号网络"；混合架构：表格特征→XGBoost/LightGBM+图特征→Node2Vec/社区发现→异常检测，SHAP 可解释+MLflow 追踪+Docker+FastAPI（batch+realtime）+监控）【信号：★（教学参照）】**

风控视角："表格+图特征拼合优于纯 GNN"谱系的又一标准形态实现（与 FiGraph 复现仓[10-09 #5]、DSC_599 负结果[10-09 #4]互为印证：图的价值在关系特征供给，node2vec 拼表格往往已够用）。教学完整度高（CI+MLflow+Docker），0★ 当周仓。与 反洗钱-AML、风控模型 图模型章节相关。→ GitHub

10. arXiv 直查第 12 期 — 2 篇新采（Evi-VN + TRACE），昨日停滞确认为提交日历波动（直查连续性观察第 12 期：all:"fraud detection" OR all:"anti-money laundering" OR all:"payment fraud" submittedDate-desc 的 15 篇中，13 篇与 10-07→10-09 已采批次一致，2 篇新入窗：2610.11665（10-08）、2610.10957（10-07）——10 月新提交恢复入窗，证实 10-09 的"0 新"为周末/日历效应而非通道失效；id_list= 批量摘要 15/15 一次成功（10-04 的 429 未复现）；采集器 12 条 arXiv 全噪声（2610.124xx 机器人/物理/视频批次））【信号：—（连续性登记）】**

登记语义：直查通道 09-24 启用以来累计新采 22+ 篇，单日波动不改流程。已采 15 篇清单更新（+11665/+10957）。

11. 威胁情报专题 — 双对触碰日回归：B 对晨窗 35s（第 2 紧）+ A 对夜窗 3m2s 相隔 14 小时；6 载荷字节全稳；GONE-4 第 3 期维持 404；astroturf 静默第 4 日（① 双对同日触碰（10-09）：B 对（trade-intel 07:21:23Z+deepguard 07:20:48Z，35s 窗——监测以来第 2 紧，仅高于 10-08 的 34s 纪录）晨窗+A 对（Zen7 21:20:13Z+TRDGNN 21:23:15Z，3m2s 窗）夜窗，相隔约 14 小时——10-06→10-10 节奏：A 夜→A 晨→A 静/B 复活→双对各自一刷；全部纯 README noop；② 6 载荷字节全稳（Zen7 v1.7=584,580B/TRDGNN v1.4=587,686B/trade-intel v2.2=531,063B/deepguard 3.2=538,362B/VPN-Detector 深嵌路径=466,717B/复活仓=584,990B，全部 HEAD 200 与基线一致）——静置态维持 3+ 周；③ 复活仓静默：Cardinalfishepitaph683 pushed_at 维持 10-08 06:24:50Z（第 4 次活跃后第 2 日静默）；④ GONE-4 第 3 期维持 404：firefox/edge-upi/argus/Muhafiz 全部整仓 404（10-07 判定的第 3 期确认，下架判定稳固）；⑤ astroturf +0（累计维持 25）：SterlingVance8549 后脉冲静默第 4 日）【信号：★★★（威胁情报）】**

验证实录（批量脚本 data/family_watch_2026_10_10.py + verify_risk_2026_10_10.py，约 35 API/HTTP 调用；基线路径逐字复制自 family_watch_2026_10_09.py——10-06 教训纪律执行）。风控视角：监控语义一条沉淀：① "双对同日各一刷"是 10-06 以来第 2 次出现（上次 09-21 一次性插入）——单对全责[10-09 观察]与双对轮转在两周内交替出现，节奏模型的解释力进一步归零；紧窗信号（34s/35s 连续两日破/平纪录）维持"同操作者脚本化投放"的唯一稳定判据；② B 对 35s 窗与 A 对 3m2s 窗的窗宽差异（B 系统性更紧）首次可比较——两对可能用不同的投放脚本或不同的触发自动化程度（待验证：继续登记窗宽分布）。已链接仓库名仅作威胁情报引用、永不作技术引用。→ Zen7（勿用）、trade-intel（勿用）

技术趋势

  • "评估协议"成为最大增量的共识日：泄漏税 10.4 AUC（aghasalim）、银行自研分数反相关 AUC 0.053（trace）、EU AI Act 豁免下的公平性自审（aghasalim）同日出现——模型/架构创新的边际价值正在让位于"你的分数在测什么"的审计纪律；"verify/ 独立重算+CI 门禁"是这波自觉的工程终点。
  • Agentic 调查工作流出现"安全边界"标准答案：trace-fraud-workbench 的"LLM 推理、策略引擎决策、图上 GSQL 重推证据、人持审批路由"四层分工，是 agentic 风控从 demo 走向可信架构的最完整开源表述。
  • 可解释性从"产出解释"走向"解释的债务管理"：TRACE 把 2610.05379 的"解释衰减"实证升级为可追踪/可预测/可修复的治理指标（EDS+DART 六个月前瞻）——与国内"模型后生命周期管理"议题直接对应。
  • GNN 风控的方法级回应出现：Evi-VN 的"共享难样本+选择性证据注入"承认了图模型的结构性盲区，把多模态证据定位为修补而非替代——与本周"表格+图拼合优于纯 GNN"的复现观察合流。
  • 威胁情报：双对同日各一刷+35s 第 2 紧窗（脚本化投放再确认）；载荷静置 3+ 周、GONE-4 三期 404 稳固、astroturf 脉冲静默 4 日。

行业案例

  • "审计自己模型"的合规自觉（aghasalim）：从"我要按 EU AI Act 审计"到"发现豁免、依然审完并公开 793× 差距"——豁免不等于无害的论证（误拦是真人被拒卡）是风控合规讨论里少见的自洽立场。
  • 银行案例库反推分数失效（trace-fraud-workbench）：5,565 个已结案例暴露出自研分数与确认欺诈的反相关——选择效应（分数决定谁被立案）污染评估基准的活体样本，任何以"已结案"为金标准的团队都适用。

值得深入

  • trace-fraud-workbench 的 log-odds 权重拟合细节：命名权重的特征集与拟合方法（README 未展开）——5,565 案例上的先验与回归设定是复现关键。
  • aghasalim 的 793× 差距分解：差距来自产品线流量结构还是阈值统一设定——对"一刀切阈值"的公平性代价是个可量化的论证模板。
  • Evi-VN 的虚拟类节点实现：证据链如何选择"疑似难样本"（门控条件）与注入后的行为差异（待读正文）。
  • 家族观察窗宽分布：A/B 对窗口宽度（B 更紧）的持续登记，积累 10+ 样本后判断是否两套脚本。