gen-fraud-graph

一键生成合成欺诈图数据，快速测试图模型效果

gen-fraud-graph 是一个用于生成合成欺诈图数据的开源工具，专门服务于金融领域基于图的欺诈检测模型基准测试。它解决了真实金融欺诈数据难以获取、隐私敏感且标注成本高的问题，通过可控方式生成带有欺诈标签的图结构数据，帮助研究人员和工程师评估图神经网络（GNN）等图机器学习模型在反洗钱、交易欺诈等场景下的性能。核心能力包括：模拟金融交易网络中的实体关系（如账户、交易、设备）、植入已知欺诈模式、支持自定义图规模和密度、输出标准化图格式。项目基于 Python 实现，采用 Apache-2.0 许可，目前处于早期阶段，但已提供清晰的数据生成流程，适合作为图欺诈检测研究的起点。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 284

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类数据集

开发团队SantanderAI

所属国家

官网地址

GitHubhttps://github.com/SantanderAI/gen-fraud-graph

定价模式free

价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型aml,anti-money-laundering,apache-2-0,benchmark,financial-services,fraud-detection,graph-ml,graph-neural-networks,machine-learning,open-source,python,responsible-ai,santander,synthetic-data,trustworthy-ai

GitHub 星标★ 284

30天Star增速

HF 下载量

上线时间2026-05-25 00:00:00

最近更新2026-09-22 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数9

使用教程

核心亮点

专门针对图欺诈检测设计，生成的图数据包含真实感的欺诈模式，便于基准测试
支持自定义图规模、密度和欺诈比例，灵活适配不同实验需求
输出格式标准化，易于接入主流图学习框架（如 PyTorch Geometric、DGL）

不足之处

项目处于早期阶段，文档和社区支持相对有限
目前仅支持合成数据，缺乏与真实金融数据集的对比验证

适用场景

研究图神经网络在金融反欺诈中的效果，需要标准化基准数据
在无法获取真实敏感数据时，生成模拟交易网络用于模型开发
教学或竞赛场景，快速生成带标签的图数据供学生或参赛者使用

替代项目

Fraudar、GraphTool、Synthetic Data Vault (SDV)

项目介绍

gen-fraud-graph 是数据集领域的开源项目，由 SantanderAI 开发，是 2026 年新上线的项目。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 284。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。Apache-2.0 许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：研究图神经网络在金融反欺诈中的效果，需要标准化基准数据。同类可对比的替代方案包括 Fraudar、GraphTool、Synthetic Data Vault (SDV)。

上一篇：SDGym

下一篇：SDMetrics