Jigas — граф денежных переводов

Посмотреть вживую

Jigas помогает AML-аналитику разобраться в сети переводов: среди 2 248 клиентов найти тех, кого стоит проверить первыми, увидеть их связи и понять основания приоритета. Вход — обезличенная выгрузка от 81 ранее известного клиента; результат — проверяемые гипотезы о ролях и структуре сети, а не вывод о виновности.

Что делает решение

1. Проверяет три Parquet-файла — клиентов, агрегированные направленные связи и отдельные переводы — и строит граф, сохраняя точные gid и денежные суммы в тиынах.
2. Считает входящие и исходящие связи, суммы, достижимость от известных клиентов и центральность. По явным порогам назначает каждому узлу одну основную роль и сохраняет все другие совпавшие правила.
3. Ранжирует клиентов по силе признаков, объёму и положению в сети; Louvain группирует связанные узлы, включая отдельные изоляты. Отдельно считает сильносвязные компоненты (SCC), направленные потоки между кластерами и границу покрытия. Python выпускает три CSV и report.json из одного расчёта.
4. React-отчёт показывает топ-20, причины выбора, кластеры, направленный граф и межкластерные потоки с переходом к исходным связям. В карточке доступны дневной профиль, запрос следующего слоя данных и маршруты от известных клиентов с датами. Поиск работает по полному ID; интерфейс отображает рассчитанные данные и не меняет роли или приоритет.

Схема архитектуры: данные → метрики → роли → выгрузки → интерфейс.

Чем полезен аналитику

• Понятный следующий объект проверки: у топа есть числовые основания, у связанной группы — первый клиент для изучения; в отчёте можно проверить направления, суммы и число переводов по его связям.
• Многосигнальный приоритет: топ по нашему приоритету совпадает с топом по обороту лишь по 9 из 20 клиентов. Это показывает другой порядок проверки, но само по себе не доказывает его точность; сравнение.
• Объяснимость: правила и пороги открыты, карточка показывает совпавшие роли и равные значения приоритета, включая узлы за пределами топ-20.
• Осторожность с неполными данными: узел на четвёртом шаге не объявляется конечным получателем лишь из-за обрыва выгрузки; неполнота входа известных клиентов отмечается отдельно.
• Воспроизводимость: актуальный выпуск с Cytoscape.js прошёл сборку, расчёт из исходных данных, контрактную и браузерную проверки. Его CSV совпали с пятью повторными выпусками предыдущего интерфейса; времена новой версии отдельно не переизмерялись. Протокол.

Технологии

Часть	Стек
Расчёт	Python 3.13, pandas, NumPy, PyArrow, NetworkX; правила ролей, скоринг и Louvain
Интерфейс	React, Vite, Cytoscape.js; статический report.json без отдельного API или базы данных
Запуск	Docker Compose; Node 22 нужен при сборке, готовый отчёт раздаётся через localhost

Запуск

Нужны Docker Engine и Docker Compose v2. Из корня репозитория:

docker compose build pipeline
docker compose run --rm prepare
docker compose run --rm pipeline
docker compose up viewer

Откройте http://127.0.0.1:8000/ — дашборд откроется сразу; /report.html ведёт к тому же отчёту. Команда prepare извлекает Parquet из track_data/data (1).zip; один запуск pipeline создаёт отчёт в out/. Сборка требует интернета для зависимостей, готовый образ работает без внешних сервисов. Версии пакетов закреплены в frontend/package-lock.json и requirements.txt. Необязательные переменные: HACKALEM_IMAGE — имя образа (по умолчанию jigas-graph-money:local), HACKALEM_CPUS — лимит CPU для расчёта (по умолчанию 12); ключи API не нужны.

Проверка готового выпуска:

docker compose run --rm --entrypoint python pipeline test_contract.py --data /app/data --out /app/out

На Linux заранее создайте каталоги data/ и out/ от своего пользователя и замените команды prepare и pipeline на:

mkdir -p data out
docker compose run --rm --user "$(id -u):$(id -g)" prepare
docker compose run --rm --user "$(id -u):$(id -g)" pipeline

Этот путь с UID/GID ещё не проверен на отдельном Linux-хосте; остальные результаты запуска и браузера — в протоколе.

Результат и работа с ним

pipeline создаёт в out/:

Файл	Содержание
nodes_roles.csv	Все 2 248 клиентов: роль, role_score, кластер, приоритет и объяснение до 200 символов
clusters.csv	Размер, seed, внутренний оборот, ключевые узлы и гипотеза по каждому кластеру
top_nodes.csv	20 клиентов с наивысшим приоритетом и обоснованием
report.json, index.html, report.html, assets/	Данные и локальный React-интерфейс с направленным графом
validation.json	Статус выпуска и хеши файлов

В интерфейсе выберите клиента из топа или найдите его по полному gid. Карточка показывает основания ролей, дневные наблюдения, запрос недостающих данных и до двух маршрутов с допустимым порядком дат. Маршрут можно подсветить на графе; совпадение дат не доказывает движение тех же денег. Вкладка «Запросить продолжение» показывает все 444 граничных клиента по входящему объёму. В обзоре межкластерных потоков можно выбрать сообщество или стрелку и открыть его клиентов или исходные связи; крупнейшую SCC можно отдельно подсветить на полном графе. Идентификаторы сохраняются точно, без округления в браузере.

Проверка по ТЗ: жюри может назвать три произвольных gid, которые команда должна объяснить за минуту. Для каждого найдите ID, раскройте роль и её числовые основания, затем покажите наблюдаемые связи и ограничения в карточке и на графе. Пятиминутный сценарий демо содержит примеры для репетиции.

out/ игнорируется Git: CSV воспроизводятся командами выше.

Роли и приоритет

in_deg и out_deg — число наблюдаемых плательщиков и получателей; S — число seed, достигающих узла за 1–4 направленных шага; B — нормированная betweenness; r — отношение исходящей суммы к входящей; D — дни после последнего наблюдаемого входящего перевода. Q90(B>0) — 90-й процентиль положительных B.

Роль	Условие	u	cap
coordinator	S≥2, in_deg≥2, out_deg≥2, B>0, B≥Q90(B>0)	min(1,S/4)	0,60
distributor	out_deg≥10	min(1,out_deg/20)	0,90
consolidator	in_deg≥3	min(1,in_deg/6)	0,90
transit	Не seed, depth<4, суммы входа и выхода положительны, 0,8≤r≤1,2	max(0,1−abs(r−1)/0,2)	0,65
terminal	Не seed, depth<4, вход положителен, out_deg=0, D≥2	min(1,D/7)	0,50
peripheral	Ни одно правило не совпало	—	0

Для совпавшей роли support=cap×(0,5+0,5×u). Основная роль — первая по порядку таблицы; её support становится role_score. Все совпавшие роли остаются в отчёте.

Приоритет P=0,35M+0,30A+0,20C+0,15H:

Компонент	Расчёт
M	Максимальный support совпавших ролей
A	min(1,log1p(V)/log1p(Q95(V>0))), где V=(in_tiyn+out_tiyn)/100 KZT
C	min(1,S/5)
H	min(1,B/Q95(B>0))

Квантили считаются по положительным значениям; если их нет, соответствующий компонент равен нулю. Топ сортируется по неокруглённому P, при равенстве — по числовому gid. Кластеры строятся Louvain, изоляты образуют отдельные группы. Подробные определения — в спецификации.

Границы результата

Данные охватывают июль 2026 года, внутрибанковские исходящие переводы от 81 seed, не дальше четырёх шагов и не меньше 5 000 KZT. Нулевой выход узла на четвёртом шаге может быть следствием границы выгрузки; вход seed тоже неполон. Роли и кластеры — гипотезы по наблюдаемому фрагменту, role_score и P не являются вероятностью нарушения. Размеченных истинных ролей нет, поэтому AML accuracy не заявляется.

При росте до ~1 млн узлов потребуются порционная обработка, компактное хранение графа, приближённая betweenness и загрузка в браузер только выбранной окрестности. Это план развития, производительность такого масштаба не проверялась.

Данные предоставлены организаторами и обезличены. Сторонние библиотеки и технологии перечислены выше; версии зафиксированы в lockfile и requirements.txt, Cytoscape.js распространяется по MIT. При разработке применялся OpenAI Codex. Код размещается в командном GitHub-репозитории; решение сдаётся отдельной кнопкой на платформе HackAlem AI.