VynFi/audit-p2p

--- license: apache-2.0 task_categories: - tabular-classification tags: - synthetic - financial-data - vynfi - audit - procure-to-pay - fraud-detection size_categories: - 10K<n<100K configs: - config_name: purchase_orders data_files: "purchase_orders/*.parquet" - config_name: goods_receipts data_files: "goods_receipts/*.parquet" - config_name: vendor_invoices data_files: "vendor_invoices/*.parquet" - config_name: payments data_files: "payments/*.parquet" - config_name: journal_entries data_files: "journal_entries/*.parquet" --- # VynFi audit-p2p Regenerated with **DataSynth 3.1.1** (2026-04-19). What's new vs. prior releases: - **Behavioral fraud biases now fire** on every `is_fraud` path — weekend ×32, round-dollar ×170, post-close ×3,106 lift measured on fraud-labeled entries (vs ~1× pre-3.1.1). - **Document→JE fraud propagation** correctly sets `is_fraud_propagated` + `fraud_source_document_id` (was broken in 3.1.0, now verified on every doc-flow JE). - **AML typology coverage** reaches the 0.80 evaluator threshold (0.000 → 0.857). - **OCEL timestamps** are now microsecond-precision — pandas `to_datetime(..., utc=True)` retains 100 % of events (was losing 95 %). - **Audit artifacts** (`audit/audit_opinions.json`, `audit/key_audit_matters.json`) + `process_variant_summary.json` always ship in the archive. ## Configs | Config | Records | |--------|---------| | `purchase_orders` | 50 | | `goods_receipts` | 59 | | `vendor_invoices` | 50 | | `payments` | 78 | | `journal_entries` | 113,593 | ## Fraud breakdown (DS 3.1.1) - **Total fraud-labeled JEs:** 260 - **Scheme-propagated** (from fraudulent source documents): 10 (3.8%) - **Direct injection** (line-level anomaly): 250 `is_fraud_propagated` is set by DataSynth 3.1+ when a fraudulent source document fans out to its derived journal entries. Use this to split ring-level (cross-document scheme) from slip-level (isolated anomaly) fraud populations when training detection models. ## Quick start ```python from datasets import load_dataset ds = load_dataset("VynFi/audit-p2p", name="purchase_orders", split="train") print(ds.features) print(ds[0]) ``` Or via the VynFi Python SDK (v1.5.1): ```python import os from vynfi import VynFi client = VynFi(api_key=os.environ["VYNFI_API_KEY"]) job = client.jobs.generate_config(config={...}) # see https://github.com/VynFi/VynFi-python/tree/main/examples ``` See the SDK cookbook for worked examples: - `examples/document_level_fraud.py` - `examples/behavioral_fraud_patterns.py` - `examples/sector_dag_presets.py` - `examples/audit_opinions_kam.py` ## License Apache 2.0. Entirely synthetic — no real individuals, companies, or transactions.--- license: Apache-2.0 task_categories: - 表格分类（tabular-classification） tags: - 合成数据集（synthetic） - 金融数据（financial-data） - VynFi - 审计 - 采购到付款（procure-to-pay） - 欺诈检测（fraud-detection） size_categories: - 10000 < 样本量 < 100000 configs: - config_name: 采购订单（purchase_orders） data_files: "purchase_orders/*.parquet" - config_name: 收货单（goods_receipts） data_files: "goods_receipts/*.parquet" - config_name: 供应商发票（vendor_invoices） data_files: "vendor_invoices/*.parquet" - config_name: 付款记录（payments） data_files: "payments/*.parquet" - config_name: 日记账分录（journal_entries） data_files: "journal_entries/*.parquet" --- # VynFi audit-p2p 数据集 本数据集由**DataSynth 3.1.1**（2026-04-19）重新生成。相较于此前版本的更新内容如下： - **行为欺诈偏置现已在所有`is_fraud`路径中生效**——针对标记为欺诈的日记账分录，已测得周末相关欺诈提升32倍、整数金额相关欺诈提升170倍、结账后相关欺诈提升3106倍（而3.1.1版本前该提升约为1倍）。 - **文档→日记账分录（Journal Entries，JE）的欺诈传播逻辑**现已正确设置`is_fraud_propagated`与`fraud_source_document_id`字段（该功能在3.1.0版本中存在缺陷，现已在所有文档流日记账分录中完成验证）。 - **反洗钱（Anti-Money Laundering，AML）类型学覆盖度**已达到0.80的评估阈值（从0.000提升至0.857）。 - **开放流程事件日志（OCEL）时间戳**现已支持微秒级精度——使用pandas的`to_datetime(..., utc=True)`可完整保留100%的事件数据（此前会丢失95%的事件）。 - **审计工件**（`audit/audit_opinions.json`、`audit/key_audit_matters.json`）与`process_variant_summary.json`现已始终随归档包一同发布。 ## 配置项详情 | 配置项名称 | 样本量 | |--------|---------| | 采购订单（purchase_orders） | 50 | | 收货单（goods_receipts） | 59 | | 供应商发票（vendor_invoices） | 50 | | 付款记录（payments） | 78 | | 日记账分录（journal_entries） | 113,593 | ## 欺诈数据分布（DS 3.1.1版本） - **总欺诈标记日记账分录数**：260 - **方案传播型欺诈**（源自欺诈性源文档）：10例（占比3.8%） - **直接注入型欺诈**（行级异常）：250 当欺诈性源文档扩散至其衍生的日记账分录时，DataSynth 3.1及以上版本会设置`is_fraud_propagated`字段。该字段可用于在训练欺诈检测模型时，将跨文档方案级（环级）欺诈与单文档孤立异常级（单据级）欺诈群体进行拆分。 ## 快速上手 python from datasets import load_dataset ds = load_dataset("VynFi/audit-p2p", name="purchase_orders", split="train") print(ds.features) print(ds[0]) 或通过VynFi Python软件开发工具包（SDK，v1.5.1）使用： python import os from vynfi import VynFi client = VynFi(api_key=os.environ["VYNFI_API_KEY"]) job = client.jobs.generate_config(config={...}) # see https://github.com/VynFi/VynFi-python/tree/main/examples 可参考SDK Cookbook获取完整实操示例： - `examples/document_level_fraud.py` - `examples/behavioral_fraud_patterns.py` - `examples/sector_dag_presets.py` - `examples/audit_opinions_kam.py` ## 许可证 Apache 2.0。本数据集完全为合成数据，未使用任何真实个人、企业或交易信息。