#fraud-detection Dépôts
Découvrez 18 dépôts GitHub open source actifs associés à #fraud-detection, cumulant 79,912 étoiles au total (soit une moyenne de 4,439 étoiles par projet). Le projet en tête de ce thème est fingerprintjs/fingerprintjs, avec 28,783 étoiles.
18 dépôts au total
La bibliothèque de détection d'empreintes numériques de navigateur la plus avancée, gratuite et open source
Ce dépôt contient une collection organisée de plus de 300 études de cas provenant de plus de 80 entreprises, détaillant les applications pratiques et les aperçus de la conception de systèmes d'apprentissage automatique (ML). Le contenu est organisé pour vous aider à trouver facilement des études de cas pertinentes en fonction du secteur ou de cas d'utilisation spécifiques du ML.
Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, des séries temporelles, des graphes, du texte, des images et de l'audio. Plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.
Livres, articles, vidéos et boîtes à outils liés à la détection d'anomalies. Dernière mise à jour fin 2025 pour les travaux sur les LLM et les VLM !
MISP (logiciel principal) - Plateforme open source d'intelligence sur les menaces et de partage
Une liste organisée d'articles et de ressources sur la détection de fraude, d'anomalies et de valeurs aberrantes basée sur les graphes/transformateurs
Une liste curated de papiers de data mining sur la détection de fraudes.
Tirreno est un framework open source dédié à la sécurité interne. Suivi des événements, évaluation des risques et détection des menaces pour votre système.
Scanner de risques pour portefeuilles crypto multichaînes destiné au contrôle AML/KYT. Attribue aux adresses un score de 0 à 100 en fonction des sanctions, des contrats à risque et du traçage des fonds. Intègre 6 fournisseurs de renseignements avec basculement automatique, détecte les escroqueries, les piratages, les mixeurs et le phishing, prend en charge plus de 15 chaînes, le contrôle par lots et les rapports TXT/JSON/CSV/HTML/PDF. Développé en Python et multiplateforme.
Suivi d'empreintes digitales de navigateur et détection de bots auto-hébergés, en tenant compte des contraintes du monde réel.
Détection d'Anomalies sur des Graphes Dynamiques (évoluant dans le temps) en Temps Réel et en Mode Streaming. Détection d'Intrusions (Attaques DoS et DDoS), Fraudes, Anomalies de Notes Falsifiées.
Framework léger de système de contrôle des risques commerciaux en temps réel JAVA
Apprentissage automatique reproductible pour la détection de fraude par carte de crédit - Manuel pratique
SDK fournissant une détection des menaces et une surveillance de la sécurité pour les appareils mobiles. Fonctionne avec Flutter, React Native, Android et iOS. Protégez votre application avec RASP gratuit. Détectez l'ingénierie inverse, le root (Magisk), le jailbreak, Frida, les émulateurs, les bots, les problèmes de falsification et d'intégrité, l'obfuscation, l'utilisation de VPN, les logiciels malveillants, et surveillez l'identification et l'empreinte numérique de l'appareil.
Foire aux questions
Quel est le dépôt #fraud-detection le plus populaire sur GitHub ?
Le projet #fraud-detection open source le mieux classé sur GitHub est fingerprintjs/fingerprintjs, avec 28,783 étoiles. La bibliothèque de détection d'empreintes numériques de navigateur la plus avancée, gratuite et open source
Quels langages de programmation sont les plus utilisés dans les dépôts #fraud-detection ?
Parmi les projets #fraud-detection les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, PHP, C++.
Comment le classement des dépôts #fraud-detection est-il calculé ?
Nous suivons 18 dépôts open source actifs associés à #fraud-detection (500+ étoiles), totalisant 79,912 étoiles, avec une moyenne de 4,439 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.