本文共字，预计阅读时间。

参赛单位：成都农村商业银行股份有限公司

案例名称：基于机器学习和图技术的智能反洗钱系统

案例简介：

当前，洗钱犯罪形势日益复杂和严峻，可疑交易监测主要根据多年来积累的专家经验，相对缺少大数据分析的支持，准确性和稳定性易受到人为因素的干扰。

建立智能反洗钱平台，实现反洗钱工作的智能升级，通过大数据、机器学习、图技术、时序技术等技术手段，改变传统建模分析方式，解决了传统依赖专家经验的打分卡建模法的预警准确率、模型不稳定、缺乏科学解释性等问题；降低人力成本的同时，也解决了由于从业人员能力、经验等因素导致的监测质量不足等问题。

创新技术/模式应用：

1、本项目旨在反洗钱领域运用人工智能技术，基于大数据、机器学习、图数据库、图分析算法、时序算法等进行多维度人工智能建模，建立智能反洗钱AI监测平台，快速构建客户风险视图、关联交易视图，实现犯罪团伙的社区发现等。

2、项目利用开源技术，我行人员为骨干进行技术研发，自主可控。

3、根据洗钱交易呈现周期性规律变化，团伙做案等情况，使用社区分类算法和交易时序算法，在业务特征基础上，丰富社区特征、交易时序特征，提高模型预警准确性。

4、采用英特尔研究院的“三明治”机器学习模型训练方法，结合业务特征、社区特征和时序特征进行机器学习建模。

5、使用图数据库构建可视化资金交易图谱，资金交易脉络一目了然。

项目效果评估：

1、提高反洗钱工作的智能化水平，拓展反洗钱监管手段和途径。

2、建立智能反洗钱AI监测平台,取代传统依赖专家经验建模方式，构建可视化资金交易图谱、自动化AI建模，实现可疑交易智能化分析。

3、构建可视化资金交易图谱，资金交易脉络一目了然。并且包含了直接交易的行外客户，直观展示可疑团伙交易资金变化情况，可清晰监控行外过渡账户，监控资金出行再回流情况；以社区中的单个可疑客户为线索，可视化探索其余可疑账户，以点带面。

4、通过使用“三明治”机器学习训练方法，综合业务特征、社区特征、时序特征，提高了可疑账户预测的准确率和召回率，对比原有打分卡模型，在不同场景下预测准确率提高30%左右。其中图特征和时序特征贡献度达到30%左右。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。