Система ризику / ППР / Шахрайства для крипто-еквайрингу (в реальному часі)

Привіт,

З радістю реалізую цей проект. У мене є готовий Proof of Concept (PoC) архітектури на Python/FastAPI, який я можу показати відразу – він включає механізм правил, оцінювання та аудиторське логування.

Як я це зроблю:

1. Бекенд: Python (FastAPI) або Go – архітектура мікросервісів.
2. Логіка: Гібридний механізм (жорсткі правила + бальна оцінка) + Redis для виявлення аномалій в реальному часі.
3. Інтеграції: Адаптери для постачальників AML (наприклад, Chainalysis) та повний аудит JSON для відповідності.
…
Можу виставити рахунок, я на JDG, мій веб-сайт www.volexit.pl

Показати оригінал

Перекласти

Доброго дня!
Мене звуть Олексій, я представляю групу розробників – NC-1.
У нашій команді є спеціаліст (Backend-розробник, Data Engineer, middle) з необхідним для вас досвідом і знаннями. Ставка за годину - 68 pln.
Стек: Transact-SQL, MS SQL Server, SSIS, OLAP, ETL, SQL, Python, Git, Gitlab.
Кейси: https://1drv.ms/b/c/b7a0d31a9dae1bc5/IQCpK38gmEvWT6F_Cso40Li-AXAKkSs-J67mCwll-C732pw?e=v4VVF5
З повагою,
Олексій М.

Показати оригінал

Перекласти

готовий виконати ваш проект якісно в коді та красиво в дизайні - швидко та ефективно
маю великий досвід подібної роботи
звертайтеся

Показати оригінал

Перекласти

Я б зробив окремий мікросервіс:

На вхідні/вихідні вішатимемо Chainalysis KYT - це реальний моніторинг транзакцій з алертами (у них заявлено буквально секунди після ончейн-події).
Щоб швидко перевіряти адреси ДО операції - беремо Address Screening, чисто оцінити ризик-профіль гаманця. Ну і Sanctions API обов'язково (по списках SDN/OFAC), щоб санкції були відразу hard-stop’ом.
Плюс накидаємо транзакційні/поведінкові фактори: velocity, аномалії по сумах, повторюваність, відхилення по мерчу (конверсія/decline rate), новизна юзера і т.д.
Важливий момент - треба прогнати по історії, підберемо ваги і пороги під вашу реальність, щоб випадково конверсію не вбити.

Можу запропонувати зібрати «швидкий MVP» (мінімалка правил + Chainalysis + логування). Зафіксуємо ефект, а потім вже будемо розширювати покриття.

Показати оригінал

Перекласти

Доброго дня.

Мене звати Карен, я бекенд-розробник і тімлідер. Працюю з фінансовими технологіями та системами, де рішення щодо транзакцій приймаються в реальному часі. З крипто-еквайрингом і ризиковою логікою знайомий не теоретично, а на практиці.

Задачу розумію як побудову прозорого decision engine, де кожне рішення можна пояснити і відтворити. Не чорна скринька, а керована система, готова до масштабування і регуляторних питань.

Що пропоную:

— формалізація ризикових факторів по мерчанту, користувачу, транзакції та блокчейну
… — rule-based шар для жорстких обмежень і стоп-факторів
— scoring модель з єдиним ризиковим балом
— гнучка настройка порогів approve, review, reject
— інтеграція блокчейн AML-перевірок і зовнішніх провайдерів
— повне логування, історія рішень, audit trail

Технічно:

— бекенд на Python або Node в залежності від поточного стеку
— розрахунок ризику в реальному часі без блокування платіжного потоку
— окремий ризиковий сервіс з можливістю розширення логіки
— акуратна документація для команди і комплаєнсу

Цікавить продакшн-результат і довгострокова робота, а не разова реалізація. Готовий обговорити поточну архітектуру, джерела даних і запропонувати поетапний план впровадження.

Карен

Показати оригінал

Перекласти

Доброго дня.

Так, завдання зрозуміле і відповідає моєму профілю.

Маю практичний досвід у системах, що працюють з реальними крипто-транзакціями, decision-flow, risk-логікою, аудитом та антифрод-патернами. Розглядаю завдання саме як побудову explainable risk-engine, а не «чорного ящика».

Як я бачу рішення на високому рівні:
– формалізація risk-факторів (торговець / користувач / транзакція / блокчейн)
– rule-based шар + scoring модель
… – розрахунок єдиного risk-score з explainable breakdown
– decision engine (схвалити / переглянути / відхилити) з налаштовуваними порогами
– інтеграція AML-провайдерів (через адаптери)
– повний audit trail (вхід → оцінка → рішення → правило)

Архітектура закладається модульною, з можливістю подальшого масштабування (додаткові правила, нові AML-джерела, ML-шар у майбутньому).

Готовий обговорити:
– поточні AML-провайдери (якщо є)
– очікуваний рівень хибнопозитивних результатів
– пороги прийняття рішень
– терміни та формат взаємодії

Ціна 40 000 PLN виглядає реалістичною при чітко зафіксованому обсязі.

Готовий перейти до обговорення архітектури та вимог.

Показати оригінал

Перекласти

Добрий день, Денис!

Створення реальної системи ризиків/AML/фрод для крипто-еквайрингу – це виклик, який я готовий прийняти. Завдяки досвіду розробки корпоративних систем та інтеграції AML-програм, можу запропонувати унікальний підхід до правил та оцінювання, забезпечуючи при цьому прозорість роботи алгоритмів. Основна увага буде приділена формалізації ризикових факторів та інтеграції AML, що дозволить оперативно оцінювати транзакції. Давайте обговоримо деталі та створимо надійну систему для вашого бізнесу.

Показати оригінал

Перекласти

Привіт! Готовий виконати цей проект, маю великий досвід розробки різних додатків.

Показати оригінал

Перекласти

Добрий день!
Мене звати Валентин, і я представляю Arctic Web Agency. Ми - команда досвідчених веб-розробників, які спеціалізуються на створенні сучасних та ефективних веб-рішень для бізнесу.В особисті повідомлення зможу надати приклади наших схожих робіт. Готові взяти ваш проєкт до роботи!

З повагою
Arctic Web Team
Freelancehunt

Привіт, Денис

Є невеликі напрацювання в антибот рішеннях та досвід інтеграції AML рішень.
Також розробка ризикового балу для внутрішніх аудитів компанії.

Можу взяти в роботу вже в цьому місяці, пишіть.

Показати оригінал

Перекласти

Привіт Я Golang розробник, маю 4+ років комерційної розробки на Go, у тому числі у блокчейні
Приклади проектів
- SaveX - MPC криптогаманець для стейблів
- faces.foundation - новий наш стартап для токенізаціїї KYC та захисту крипто активів
- Granium - децентралізована система зберігання файлів на основі Cosmos SDK
- kyc.market - біржа KYC з криптоплатежами

Для такого проекта пропоную part time співпрацю з фіксованим часом/рейтом. Думаю зможемо домовитись

Привіт,

У мене є практичний досвід у проектуванні та впровадженні систем оцінки ризиків у реальному часі для платіжних та криптовалютних продуктів, з сильним акцентом на AML, виявлення шахрайства та ризики для торговців. Я створив зрозумілі, засновані на правилах та оцінювальні системи, які генерують єдині оцінки ризику та чіткі рішення щодо схвалення/перегляду/відхилення, з повним веденням журналу та аудитом.

Мені комфортно формалізувати фактори ризику для торговців, користувачів, транзакцій та даних блокчейну, інтегрувати зовнішніх постачальників AML та впроваджувати готові до виробництва бекенд-системи на Python та Node.js. Мій підхід пріоритизує прозорість, масштабованість та швидку ітерацію в міру розвитку логіки ризику.

Я був би радий обговорити архітектуру, терміни та ціни, і я відкритий до довгострокової співпраці.

З найкращими побажаннями,

Показати оригінал

Перекласти

Вітаю!
Маю практичний досвід у проєктуванні та реалізації risk-based систем прийняття рішень для фінансових і крипто-платіжних продуктів, з фокусом на AML, antifraud та merchant risk. Добре розумію, що у вашому випадку йдеться не про окремі перевірки, а про прозорий і керований decision engine, який у реальному часі приймає рішення approve / review / reject і може масштабуватись.
Мій підхід
Реалізую rule-based + scoring модель без “чорних ящиків”, з пояснюваною логікою:
Формалізація risk-факторів на рівнях:
merchant (тип бізнесу, історія, поведінка, velocity);
user (повторюваність, географія, поведінкові патерни);
transaction (сума, частота, відхилення від базового профілю);
blockchain (source of funds, exposure, hops, санкційні ризики).
… Розрахунок єдиного risk-score з чіткими вагами та reason-codes.
Налаштовувані decision thresholds (approve / review / reject) без необхідності релізів.
Інтеграція blockchain AML-провайдерів через адаптерний шар (Chainalysis / TRM / Merkle Science / аналоги).
Повний audit trail:
вхідні дані;
правила, що спрацювали;
score;
фінальне рішення;
версія policy.
Архітектурно
Окремий decision engine з API та низькою затримкою.
Версіонування policy та правил.
Зберігання ключових feature та історії.
Логування й метрики для подальшого тюнінгу.
Backend: Python / Go / Node — під ваш стек.
Результат
Працююча risk-система в продакшені;
Документована логіка AML / antifraud;
Основа для подальшого масштабування (нові правила, провайдери, мерчанти).
Питання для коректного старту
Які блокчейни та активи використовуються (BTC / ETH / TRON / stablecoins)?
Чи є вже обраний AML-провайдер?
Які KYC/KYB дані доступні по користувачах і мерчантах?
Очікуване навантаження та вимоги до latency (TPS, SLA)?
Який MVP-обсяг ви вважаєте достатнім для першого прод-запуску?
Строки пропоную зафіксувати після узгодження MVP-скоупу.
Буду рада обговорити деталі та можливу довгострокову співпрацю.