#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.
Insgesamt 18 Repositories
Die fortschrittlichste kostenlose Open-Source-Bibliothek für Browser-Fingerprinting
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.
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.
Bücher, Papiere, Videos und Werkzeugkästen zur Anomalieerkennung. Letztes Update Ende 2025 für LLM- und VLM-Arbeiten!
Eine kuratierte Liste von Papieren und Ressourcen zur Erkennung von Betrug, Anomalien und Ausreißern auf Graph-/Transformer-Basis
Eine kuratierte Liste von Data-Mining-Papieren zur Betrugserkennung.
Tirreno ist ein Open-Source-Framework für die interne Sicherheit. Ereignisverfolgung, Risikobewertung und Bedrohungserkennung für Ihr System.
Eine Python-Bibliothek für die Erkennung von Graphenausreißern (Anomalieerkennung)
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.
Selbst gehostete Browser-Fingerabdruckerkennung und Bot-Erkennung unter Berücksichtigung realer Beschränkungen.
Anomalieerkennung auf dynamischen (zeitveränderlichen) Graphen in Echtzeit und Streaming-Art. Erkennung von Eindringlingen (DoS- und DDoS-Angriffe), Betrug, gefälschte Bewertungsanomalien.
Reproduzierbares maschinelles Lernen zur Betrugserkennung bei Kreditkarten – Praktischer Leitfaden
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.
Häufig gestellte Fragen
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
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.
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.