首页
›
智能金融与金融工程
›
011-实时交易反欺诈与异常检测
›
《Python实时交易反欺诈实战100例》
VIP16
本课程属于：011-实时交易反欺诈与异常检测
智能金融与金融工程 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《Python实时交易反欺诈实战100例》
共 100 例
01
实时交易数据模拟器
02
交易流Kafka生产者
03
交易流Kafka消费者
04
基于规则的实时大额交易拦截
05
基于规则的高频交易检测
06
基于规则的异地交易检测
07
基于规则的异常时间交易检测
08
基于规则的商户黑名单过滤
09
基于规则的设备指纹异常检测
10
实时交易特征工程：金额统计
11
实时交易特征工程：时间间隔
12
实时交易特征工程：商户类别频率
13
实时交易特征工程：地理位置速度
14
实时交易特征工程：交易金额占比
15
实时交易特征工程：用户行为序列
16
使用Redis实现在线特征存储
17
使用Redis实现滑动窗口计数
18
使用Redis实现布隆过滤器去重
19
实时反欺诈规则引擎：规则加载
20
实时反欺诈规则引擎：规则执行
21
实时反欺诈规则引擎：规则热更新
22
基于统计的实时异常检测：Z-Score
23
基于统计的实时异常检测：移动平均
24
基于统计的实时异常检测：箱线图
25
基于统计的实时异常检测：泊松分布
26
基于机器学习的实时欺诈检测：逻辑回归
27
基于机器学习的实时欺诈检测：随机森林
28
基于机器学习的实时欺诈检测：XGBoost
29
基于机器学习的实时欺诈检测：孤立森林
30
基于机器学习的实时欺诈检测：自编码器
31
在线学习：被动攻击算法
32
在线学习：霍夫丁树
33
在线学习：自适应随机森林
34
概念漂移检测：ADWIN
35
概念漂移检测：DDM
36
实时反欺诈中的类别不平衡处理
37
实时反欺诈中的特征缩放
38
实时反欺诈中的缺失值处理
39
实时反欺诈中的特征选择
40
实时反欺诈中的模型集成
41
实时反欺诈中的模型解释：SHAP
42
实时反欺诈中的模型解释：LIME
43
实时反欺诈告警系统：邮件通知
44
实时反欺诈告警系统：Webhook推送
45
实时反欺诈告警系统：短信通知
46
实时反欺诈告警系统：告警聚合
47
实时反欺诈告警系统：告警分级
48
实时反欺诈仪表盘：WebSocket推送
49
实时反欺诈仪表盘：实时图表
50
实时反欺诈仪表盘：地理分布图
51
实时反欺诈仪表盘：用户行为轨迹
52
实时反欺诈数据存储：写入MySQL
53
实时反欺诈数据存储：写入Elasticsearch
54
实时反欺诈数据存储：写入时序数据库
55
实时反欺诈数据存储：写入数据湖
56
实时反欺诈数据存储：冷热分离
57
实时反欺诈中的背压处理
58
实时反欺诈中的Exactly-Once语义
59
实时反欺诈中的状态管理
60
实时反欺诈中的检查点与恢复
61
实时反欺诈中的水印处理
62
实时反欺诈中的迟到数据处理
63
实时反欺诈中的会话窗口
64
实时反欺诈中的滑动窗口聚合
65
实时反欺诈中的滚动窗口聚合
66
实时反欺诈中的CEP模式匹配
67
实时反欺诈中的图计算
68
实时反欺诈中的社区发现
69
实时反欺诈中的路径分析
70
实时反欺诈中的设备指纹生成
71
实时反欺诈中的IP信誉库
72
实时反欺诈中的用户行为生物特征
73
实时反欺诈中的多模态融合
74
实时反欺诈中的对抗攻击防御
75
实时反欺诈中的模型窃取防御
76
实时反欺诈中的隐私保护
77
实时反欺诈中的联邦学习
78
实时反欺诈中的A/B测试
79
实时反欺诈中的多臂老虎机
80
实时反欺诈中的强化学习
81
实时反欺诈中的元学习
82
实时反欺诈中的主动学习
83
实时反欺诈中的半监督学习
84
实时反欺诈中的迁移学习
85
实时反欺诈中的多任务学习
86
实时反欺诈中的注意力机制
87
实时反欺诈中的Transformer模型
88
实时反欺诈中的图神经网络
89
实时反欺诈中的时间卷积网络
90
实时反欺诈中的LSTM模型
91
实时反欺诈中的GRU模型
92
实时反欺诈中的自注意力序列模型
93
实时反欺诈中的模型压缩
94
实时反欺诈中的模型服务化
95
实时反欺诈中的模型版本管理
96
实时反欺诈中的模型监控
97
实时反欺诈中的模型回滚
98
实时反欺诈中的端到端管道集成
99
实时反欺诈中的压力测试
100
实时反欺诈中的混沌工程
所属VIP或分类
同VIP：AutoEncoder无监督异常交易检测实战
同VIP：Flink-CEP实时交易异常检测与动态规则实战
同VIP：Isolation-Forest异常交易检测实战