frouros

实时监控模型漂移，提前预警性能下降

Frouros 是一个开源的 Python 库，专门用于机器学习系统中的漂移检测。它解决的是模型上线后因数据分布变化（概念漂移、数据漂移）导致性能下降的问题。核心能力包括：提供多种经典的漂移检测算法（如 ADWIN、Page-Hinkley、KS 检验等），支持在线和离线检测模式，能够监控特征分布和模型预测的稳定性。该库设计为轻量级、易集成，可与现有 ML 流水线无缝衔接，帮助团队在模型退化前及时预警并触发重新训练。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 261
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队IFCA-Advanced-Computing
所属国家
官网地址
GitHubhttps://github.com/IFCA-Advanced-Computing/frouros
定价模式free
价格说明开源Python库，BSD-3-Clause许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议BSD-3-Clause
主要语言Python
技术栈/模型change-detection,concept-drift,covariate-shift,data-drift,dataset-drift,dataset-shift,distribution-shift,drift-detection,machine-learning,machine-learning-engineering,machine-learning-operations,mle,mlops,python,statistics
GitHub 星标★ 261
30天Star增速
HF 下载量
上线时间2022-03-16 00:00:00
最近更新2026-08-26 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 内置多种经典漂移检测算法，覆盖统计检验和在线学习场景
  • API 简洁，支持流式数据实时检测，适合生产环境集成
  • 与 scikit-learn 兼容，上手成本低，文档含示例

不足之处

  • 项目早期，社区贡献和案例较少
  • 部分高级功能（如自动重训）未内置，需自行扩展

适用场景

  • 监控生产环境 ML 模型的数据分布变化
  • 在线学习系统中实时检测概念漂移
  • 模型定期评估时识别特征稳定性问题

替代项目

Alibi Detect、River、Evidently

项目介绍

frouros 是评测安全领域的开源项目，由 IFCA-Advanced-Computing 开发，2022 年首次发布。

它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 261。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-26。开源Python库，BSD-3-Clause许可证，完全免费，无付费版本。

它主要面向的使用场景是：监控生产环境ML模型的数据分布变化。同类可对比的替代方案包括 Alibi Detect、River、Evidently。

上一篇：unitxt

下一篇：bench

同类项目推荐

akto 开源

给 AI 应用做安全体检，防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾，自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击，提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12