SnifTern.ai：用机器学习守护求职者的实习防骗平台

SnifTern.ai是基于Flask和机器学习的开源项目，专注识别虚假实习招聘信息、验证公司真实性，为学生提供智能防线，解决实习诈骗泛滥问题，为学生、教育机构和雇主提供可靠风险评估工具。

实习诈骗是全球性问题，骗子利用学生职业渴望发布虚假信息骗取钱财/个人信息；传统人工审核效率低易遗漏。SnifTern.ai目标是通过自动化机器学习技术实时分析招聘信息，识别欺诈信号，提供风险评估工具。

后端采用Python Flask，核心流程含数据摄取、预处理、分析评分、报告生成四阶段。核心功能：

1. 实时欺诈分析：评估职位描述措辞、薪资合理性、公司信息完整性；
2. 跨平台整合：从LinkedIn/Indeed/Glassdoor交叉验证信息一致性；
3. 公司合法性验证：检查企业数据点、数字足迹、公开记录估算可信度。

混合检测策略：规则引擎+机器学习模型。NLP分析文本特征识别诈骗话术；异常检测发现偏离正常职位的数据点；监督学习基于历史数据预测欺诈概率。检测结果含风险评分、置信度及解释标签，让用户理解判断依据。

实用功能：

1. PDF报告生成：一键生成含风险评分、证据、推荐行动的专业报告，可分享给导师/职业中心；
2. 多语言支持：内置语言检测与翻译，服务全球用户；
3. 模块化架构：微服务设计，可替换模型/数据源，规则引擎无需重新部署即可调整检测规则。

隐私伦理：仅摄取公开招聘信息，尊重平台条款与用户同意；数据处理遵循访问控制、审计日志、最小化原则；风险评分附带解释与证据追踪，支持可审计性；遵循数据使用与用户安全伦理准则。

部署：轻量易运行，开发用SQLite，生产可迁移至PostgreSQL/MySQL，支持Docker容器化；RESTful API可集成到学校门户等系统。场景：教育机构批量审核职位、个人求职前验证、招聘平台提升内容质量。MIT开源，欢迎社区贡献模型改进、数据源扩展等。

未来计划：扩展更多招聘平台/区域数据源，通过用户反馈提升模型准确性，增加语言包与可视化报告，构建插件市场方便集成。结语：SnifTern.ai用AI自动化诈骗识别，降低学生求职风险，展示技术解决社会问题的潜力，在线招聘普及下此类工具将更重要。