Git Stars Git Stars

#fraud-detection Repositories

Entdecke 18 aktive Open-Source-GitHub-Repositories, die mit #fraud-detection getaggt sind und insgesamt 79,912 Sterne gesammelt haben (durchschnittlich 4,439 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist fingerprintjs/fingerprintjs mit 28,783 Sternen.

18
Gesamtzahl der Repositories
79,912
Gesamtanzahl der Sterne
4,439
Durchschnittliche Sterne/Repo

Insgesamt 18 Repositories

1
fingerprintjs/fingerprintjs

Die fortschrittlichste kostenlose Open-Source-Bibliothek für Browser-Fingerprinting

fingerprintjs
⭐ 28,783 TypeScript 👤 fingerprintjs Organization 🕐 Aktualisiert 2026-11-05 📅 Erstellt 2015-02-11
2
Engineer1999/A-Curated-List-of-ML-System-Design-Case-Studies

Dieses Repository enthält eine kuratierte Sammlung von über 300 Fallstudien von mehr als 80 Unternehmen, die praktische Anwendungen und Einblicke in das Design von Systemen für maschinelles Lernen (ML) beschreiben. Die Inhalte sind so organisiert, dass Sie relevante Fallstudien leicht nach Branche oder spezifischen ML-Anwendungsfällen finden können.

Engineer1999
⭐ 10,905 👤 Engineer1999 User 🕐 Aktualisiert 2025-08-05 📅 Erstellt 2024-05-18
3
yzhao062/pyod

Eine Python-Bibliothek zur Anomalieerkennung in tabellarischen Daten, Zeitreihen, Graphen, Texten, Bildern und Audiodaten. Enthält über 60 Detektoren, eine benchmark-gestützte ADEngine-Orchestrierung und einen agentenbasierten Workflow für KI-Agenten.

yzhao062
⭐ 10,098 Python 👤 yzhao062 User 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2017-10-03
4
yzhao062/anomaly-detection-resources

Bücher, Papiere, Videos und Werkzeugkästen zur Anomalieerkennung. Letztes Update Ende 2025 für LLM- und VLM-Arbeiten!

yzhao062
⭐ 9,457 Python 👤 yzhao062 User 🕐 Aktualisiert 2026-03-02 📅 Erstellt 2018-05-16
5
MISP/MISP

MISP (Kernsoftware) - Open-Source-Plattform für Bedrohungsinformationen und -Teilung

MISP
⭐ 6,688 PHP 👤 MISP Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2013-02-07
6
safe-graph/graph-fraud-detection-papers

Eine kuratierte Liste von Papieren und Ressourcen zur Erkennung von Betrug, Anomalien und Ausreißern auf Graph-/Transformer-Basis

safe-graph
⭐ 1,908 👤 safe-graph Organization 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2019-11-21
7
benedekrozemberczki/awesome-fraud-detection-papers

Eine kuratierte Liste von Data-Mining-Papieren zur Betrugserkennung.

benedekrozemberczki
⭐ 1,843 Python 👤 benedekrozemberczki User 🕐 Aktualisiert 2026-01-05 📅 Erstellt 2019-05-27
8
tirrenotechnologies/tirreno

Tirreno ist ein Open-Source-Framework für die interne Sicherheit. Ereignisverfolgung, Risikobewertung und Bedrohungserkennung für Ihr System.

tirrenotechnologies
⭐ 1,576 PHP 👤 tirrenotechnologies Organization 🕐 Aktualisiert 2026-10-24 📅 Erstellt 2024-12-08
9
pygod-team/pygod

Eine Python-Bibliothek für die Erkennung von Graphenausreißern (Anomalieerkennung)

pygod-team
⭐ 1,469 Python 👤 pygod-team Organization 🕐 Aktualisiert 2024-11-14 📅 Erstellt 2021-11-18
10
thumbmarkjs/thumbmarkjs

Eine kostenlose Open-Source-JavaScript-Fingerprinting-Bibliothek

thumbmarkjs
⭐ 1,190 TypeScript 👤 thumbmarkjs Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-12-27
11
pedramamini/ThreatIngestor

Bedrohungs-Intelligence extrahieren und aggregieren.

pedramamini
⭐ 933 Python 👤 pedramamini User 🕐 Aktualisiert 2026-05-26 📅 Erstellt 2017-08-31
12
Soniavasseur/Wallet-Risk-Scanner

Multichain-Risiko-Scanner für Krypto-Wallets zur AML/KYT-Prüfung. Bewertet Adressen anhand von Sanktionen, riskanten Verträgen und der Nachverfolgung von Geldern auf einer Skala von 0 bis 100. Integriert 6 Intelligence-Anbieter mit Failover, erkennt Betrug, Hacks, Mixer und Phishing, unterstützt mehr als 15 Chains, Stapelprüfungen und TXT/JSON/CSV/HTML/PDF-Berichte. In Python entwickelt und plattformübergreifend.

Soniavasseur
⭐ 916 Python 👤 Soniavasseur User 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2026-09-22
13
antoinevastel/fpscanner

Selbst gehostete Browser-Fingerabdruckerkennung und Bot-Erkennung unter Berücksichtigung realer Beschränkungen.

antoinevastel
⭐ 803 TypeScript 👤 antoinevastel User 🕐 Aktualisiert 2026-10-31 📅 Erstellt 2017-09-20
14
Stream-AD/MIDAS

Anomalieerkennung auf dynamischen (zeitveränderlichen) Graphen in Echtzeit und Streaming-Art. Erkennung von Eindringlingen (DoS- und DDoS-Angriffe), Betrug, gefälschte Bewertungsanomalien.

Stream-AD
⭐ 779 C++ 👤 Stream-AD Organization 🕐 Aktualisiert 2024-01-10 📅 Erstellt 2019-10-23
15
sunpeak/riskcontrol

Leichtgewichtiger JAVA Echtzeit-Geschäftsrisikokontrollsystem-Framework

sunpeak
⭐ 768 Java 👤 sunpeak User 🕐 Aktualisiert 2026-08-09 📅 Erstellt 2016-08-06
16
Fraud-Detection-Handbook/fraud-detection-handbook

Reproduzierbares maschinelles Lernen zur Betrugserkennung bei Kreditkarten – Praktischer Leitfaden

Fraud-Detection-Handbook
⭐ 660 Jupyter Notebook 👤 Fraud-Detection-Handbook Organization 🕐 Aktualisiert 2024-02-07 📅 Erstellt 2021-05-03
17
checkmarble/marble

Marmor - der Echtzeit-Entscheidungsengine für Betrug und AML

checkmarble
⭐ 628 HTML 👤 checkmarble Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2024-01-17
18
talsec/Free-RASP-Community

SDK zur Bedrohungserkennung und Sicherheitsüberwachung für mobile Geräte. Funktioniert mit Flutter, React Native, Android und iOS. Schützen Sie Ihre App mit kostenlosem RASP. Erkennen Sie Reverse Engineering, Root (Magisk), Jailbreak, Frida, Emulatoren, Bots, Manipulationen und Integritätsprobleme, Obfuskation, VPN-Nutzung, Malware und überwachen Sie die Geräteidentifikation und den Fingerabdruck.

talsec
⭐ 523 👤 talsec Organization 🕐 Aktualisiert 2026-08-26 📅 Erstellt 2021-06-16

Häufig gestellte Fragen

1

Welches ist das beliebteste #fraud-detection-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#fraud-detection-Projekt auf GitHub ist fingerprintjs/fingerprintjs mit 28,783 Sternen. Die fortschrittlichste kostenlose Open-Source-Bibliothek für Browser-Fingerprinting

2

Welche Programmiersprachen werden in #fraud-detection-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #fraud-detection-Projekten auf GitHub sind Python, TypeScript, PHP, C++ die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #fraud-detection-Repositories berechnet?

Wir verfolgen 18 aktive Open-Source-Repositories, die mit #fraud-detection getaggt sind (500+ Sterne), mit insgesamt 79,912 Sternen und durchschnittlich 4,439 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.