[發明專利]一種復雜關聯交易中洗錢交易的檢測方法和系統

在審

• 申請號: 202011510051.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112508705A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 張力;蔡維德
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06K9/62;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種復雜關聯交易中洗錢交易的檢測方法，其特征在于，包括如下步驟：

(1)建立循環神經網絡模型，采用已知是否為洗錢的多個交易數據對該循環神經網絡模型進行訓練，最終得到訓練好的循環神經網絡模型；

(2)采集未知是否為洗錢的相互關聯的多個交易數據，并將其依次循環地輸入到訓練好的循環神經網絡模型，得到是否為洗錢的判斷結果。

2.根據權利要求1所述的復雜關聯交易中洗錢交易的檢測方法，其特征在于，所述的循環神經網絡模型，可以將其當前的輸出與下一個輸入數據融合后，再輸入到該模型中，從而形成數據的循環。

3.根據權利要求2所述的循環神經網絡模型，其特征在于，所述的當前輸出與下一個輸入數據融合的方法，包括一種或多種的組合：拼接、相加、相乘。

4.根據權利要求1所述的復雜關聯交易中洗錢交易的檢測方法，其特征在于，對循環神經網絡模型進行訓練的方法為：

從已知是否為洗錢的交易數據中，選取一組關聯交易，其包含多個交易數據，并按交易發生的時間排序，根據是否為洗錢，生成真實特征向量；

將該組交易中的第一個交易數據與初始特征向量融合，并輸入到循環神經網絡中，經過神經網絡處理后，得到第一個輸出特征向量；

將該組交易中的第二個交易數據與第一個輸出特征向量融合，并輸入到循環神經網絡中，經過神經網絡處理后，得到第二個輸出特征向量；

按以上方式，依次處理該組交易中的其它交易數據；

經過多次循環神經網絡處理后，得到最終特征向量；

根據給定的終止訓練判斷方法，如果需要繼續訓練，則根據給定的損失函數，計算最終特征向量與真實特征向量之間的損失，根據該損失，對模型反向傳播，修正模型參數，并對修正后的模型繼續進行訓練；否則，得到訓練好的循環神經網絡模型。

5.根據權利要求4所述的對循環神經網絡模型進行訓練的方法，其特征在于，所述的真實特征向量由一個或多個值組成，所述的初始特征向量中的值的個數與真實特征向量中的值的個數保持一致，所述的最終特征向量中的值的個數與真實特征向量中的值的個數保持一致，所述的輸出特征向量中的值的個數與真實特征向量中的值的個數保持一致。

6.根據權利要求4所述的對循環神經網絡模型進行訓練的方法，其特征在于，所述的真實特征向量和最終特征向量，均可以按照設定的方法，根據特征向量中的值，判斷對應的一組交易數據是否為洗錢，也可以根據該方法，生成真實特征向量。

7.根據權利要求6所述的根據特征向量判斷是否為洗錢的方法，其特征在于，判斷的方法為以下一種方法或多種方法的組合：

選取特征向量中的一個值，若該值大于設定的閾值，則判斷為是洗錢，否則，判斷為不是洗錢；

選取特征向量中的一個值，若該值小于設定的閾值，則判斷為是洗錢，否則，判斷為不是洗錢；

選取特征向量中的兩個值，若第一個值大于第二個值，則判斷為是洗錢，否則，判斷為不是洗錢。

8.根據權利要求1所述的復雜關聯交易中洗錢交易的檢測方法，其特征在于，判斷一組交易數據是否為洗錢的方法為：

將該組交易中的第一個交易數據與初始特征向量融合，并輸入到循環神經網絡中，經過神經網絡處理后，得到第一個輸出特征向量；

將該組交易中的第二個交易數據與第一個輸出特征向量融合，并輸入到循環神經網絡中，經過神經網絡處理后，得到第二個輸出特征向量；

按以上方式，依次處理該組交易中其它的每個交易數據；

經過多次循環神經網絡處理后，得到最終特征向量，根據該特征向量中的值，確定該組交易是否為洗錢。

9.一種復雜關聯交易中洗錢交易的檢測系統，包括處理器和存儲器，所述存儲器上存儲有用于在處理器上執行的計算機程序；其特征在于，所述處理器執行該計算機程序時，實現如權利要求1至7中任一項所述的檢測方法。