[發明專利]非法所得合法化行為監測方法、系統、計算機裝置及介質

在審

• 申請號: 201811537506.0
• 申請日: 2018-12-15
• 公開（公告）號: CN110046993A
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 李寧
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06Q10/06
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 楊毅玲

1.一種洗錢監測方法，其特征在于，所述方法包括：

獲取歷史反洗錢記錄數據，其中所述歷史反洗錢記錄數據包括洗錢賬戶交易數據及非洗錢賬戶交易數據；

根據所述歷史反洗錢記錄數據建立用于識別不同賬戶類型的洗錢識別模型；

接收洗錢監測指令，并根據所述監測指令從交易系統數據庫中讀取賬戶類型信息及賬戶交易產生的在線流式數據；

將所述讀取到的在線流式數據及賬戶類型信息輸入至所述洗錢識別模型，以進行洗錢風險識別；及

根據預設分類規則對所述洗錢識別模型輸出的識別結果進行分類存儲，并輸出具有洗錢嫌疑的賬戶信息。

2.如權利要求1所述的洗錢監測方法，其特征在于，所述根據所述歷史反洗錢記錄數據建立用于識別不同賬戶類型的洗錢識別模型的步驟包括：

建立一神經網絡模型，所述神經網絡模型包括輸入層、多個隱藏層及輸出層；及

利用所述歷史反洗錢記錄數據對所述神經網絡模型進行訓練得到所述洗錢識別模型。

3.如權利要求2所述的洗錢監測方法，其特征在于，所述利用所述歷史反洗錢記錄數據對所述神經網絡模型進行訓練得到所述洗錢識別模型的步驟包括：

將所述歷史反洗錢記錄數據劃分為訓練集及驗證集；

利用所述訓練集對所述神經網絡模型進行訓練；

利用所述驗證集對訓練后的神經網絡模型進行驗證，并根據每一驗證結果統計得到一模型預測準確率；

判斷所述模型預測準確率是否小于預設閾值；及

當所述模型預測準確率不小于所述預設閾值時，將訓練完成的所述神經網絡模型作為所述洗錢識別模型。

4.如權利要求3所述的洗錢監測方法，其特征在于，所述判斷所述模型預測準確率是否小于預設閾值的步驟之后還包括：

當所述模型預測準確率小于所述預設閾值時，調整所述神經網絡模型的參數，并利用所述訓練集重新對調整后的神經網絡模型進行訓練；

利用所述驗證集對重新訓練的神經網絡模型進行驗證，并根據每一驗證結果重新統計得到一模型預測準確率，并判斷重新統計得到的模型預測準確率是否小于預設閾值；

當所述重新統計得到的模型預測準確率不小于所述預設閾值時，將所述重新訓練得到的神經網絡模型作為所述洗錢識別模型；及

當所述重新統計得到的模型預測準確率小于所述預設閾值時，重復上述步驟直至通過所述驗證集驗證得到的模型預測準確率不小于所述預設閾值；

其中，所述神經網絡模型的參數包括總層數、每一層的神經元數。

5.如權利要求1所述的洗錢監測方法，其特征在于，所述根據所述監測指令從交易系統數據庫中讀取賬戶類型信息及賬戶交易產生的在線流式數據的步驟之后包括：

將所述讀取到的賬戶類型信息及賬戶交易產生的在線流式數據存儲至一緩沖區。

6.如權利要求1或5所述的洗錢監測方法，其特征在于，所述根據預設分類規則對所述洗錢識別模型輸出的識別結果進行分類存儲的步驟包括：

按照預設分類規則對所述洗錢識別模型輸出的識別結果進行分類，并將同一類別的識別結果以稀疏存儲的方式進行保存；

其中，所述預設分類規則包括按照賬戶類型進行分類和/或按照識別結果進行分類。

7.如權利要求1或5所述的洗錢監測方法，其特征在于，所述輸出具有洗錢嫌疑的賬戶信息的步驟之后還包括：

將所述具有洗錢嫌疑的賬戶信息發送至后端審核平臺，以進行賬戶洗錢風險審核。