Money Graph · Граф денег

HackAlem AI · Трек Freedom · Команда Pied Piper
Объяснимая аналитика денежных потоков — от переводов до очереди ручной проверки.

Запустить · Методология · Демо для жюри · Backend / API · Вся документация

Данные	Аналитика	Результат
2 248 клиентов · 3 119 связей	6 объяснимых ролей · 105 сообществ	Top-20 для проверки · 3 CSV

Кейс трека Freedom: восстановление финансовой структуры по графу переводов. Разработано на HackAlem AI, Астана, 23 сентября 2026.

Организаторы и партнёры HackAlem AI

Среди организаторов и партнёров мероприятия на официальном сайте HackAlem AI указаны Astana Hub, Silkroad Innovation Hub, OpenAI и BAITC.

---

Локальный инструмент объяснимой AML-аналитики графа переводов команды Pied Piper. Роли и приоритеты — сигналы для ручной проверки, а не доказательства нарушения.

Эксперимент устойчивости сети

В «Сеть и сообщества» → «Устойчивость сети: исключение ключевых узлов» можно исключить top-1/3/5/10 клиентов по приоритету и сравнить результат с отбором по обороту. Показаны размер крупнейшей группы, новые изоляты, доля разобщённых пар оставшихся клиентов, затронутые суммы и списки gid. Расчёт использует полную сеть независимо от фильтров, не меняет роли и CSV. Это симуляция наблюдаемого графа, не рекомендация блокировки и не оценка предотвращённого ущерба. Метод и ограничения.

Структура

backend/             API, worker, pipeline и независимый validator
  core/              загрузка, контракты, графовая аналитика, экспорт и чтение результатов
frontend/            Streamlit, визуализация графа и HTML-шаблон
docs/                архитектура, методология, контракты и отчёты аудита
tests/               аналитические, API, UI и интеграционные проверки
scripts/             служебные команды запуска и проверки
data/                исходные Parquet для сдачи (включены в Git)
outputs/             проверенный результат и current.json (включены в Git)
.streamlit/          настройки Streamlit для запуска из корня проекта
Dockerfile           общий runtime-образ и отдельная стадия tests
compose.yaml         UI, подготовка результатов, API, worker и CLI
requirements.lock    закреплённые зависимости общего Python-окружения

Все команды выполняются из корня репозитория. Используется Python 3.12. UI читает опубликованные файлы напрямую; API и worker работают отдельным сервисом.

Локальный запуск

Windows PowerShell (нужен uv):

.\make.cmd setup
.\make.cmd demo

Синтетический демонабор создаётся локально и не требует исходных данных. Предоставленные nodes.parquet, edges.parquet и transactions.parquet уже включены в data/. Для повторного расчёта:

.\make.cmd run

Linux/macOS: make setup, затем make demo или make run. Интерфейс: http://localhost:3000. Для существующих результатов — make ui / .\make.cmd ui. API и worker: make backend / .\make.cmd backend (порт 8000).

Прямые команды после активации окружения:

python -m backend.pipeline --data data --out outputs
python -m backend.validate --data data --out outputs
python -m streamlit run frontend/app.py --server.port 3000 -- --outputs outputs
python -m backend
python -m pytest -q

Docker

Три входных Parquet для UI уже включены в data/:

docker compose build ui
docker compose up -d --no-build --pull never

prepare рассчитывает результаты в именованном volume results либо проверяет существующую публикацию. ui запускается после успешной проверки на http://localhost:3000.

docker compose run --rm validate
docker compose run --rm --no-deps pipeline
docker compose --profile backend up -d api worker
docker compose build tests
docker compose run --rm tests
docker compose down

API доступен на http://localhost:8000. API/worker используют отдельный volume backend-state, UI — results. Локальный outputs/ не является Docker volume. Остановка через down сохраняет volumes. Данные и результаты не включаются в образ.

Аудит и документация

• Навигация по документации
• Подробное руководство
• Методология и архитектура
• Backend API и ограничения
• Воспроизводимые проверки
• Схема исходных данных

Исходные данные, результаты, окружения, runtime и кэши исключены из Git. На чистом клоне исходные данные предоставляются отдельно; тесты реальных данных требуют локального набора. Исторические отчёты описывают проверки указанных в них версий и не заменяют новый прогон. Ранее закоммиченные данные остаются в истории Git.