[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

本發明公開了一種復雜關聯交易中洗錢交易的檢測方法和系統，檢測方法包括如下步驟：建立循環神經網絡模型，采用已知是否為洗錢交易的多個交易數據對該循環神經網絡模型進行訓練，直到循環神經網絡模型的損失小于設定損失；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。本發明公開的技術方案，根據多樣化的交易數據樣本對模型進行訓練，通過循環輸入的方式解決復雜關聯交易數據中的洗錢檢測問題，相較于現有的通過人工和人工設計的反洗錢規則的檢測方法，本發明的技術方案能夠明顯提升洗錢檢測的效率，簡化洗錢檢測規則的制定過程，解決現有技術耗時耗力的問題。注：摘要附圖為圖1。

技術領域

本申請涉及機器學習技術領域，特別是涉及一種反洗錢識別方法及裝置。

背景技術

在金融體系中，反洗錢具有重要的作用。其可以打擊經濟違法犯罪，可以維護正常的社會經濟秩序，是金融系統健康發展的重要基礎支撐。反洗錢在打擊走私、毒品、貪污賄賂等違法犯罪中有重要的意義，它可以及早地發現違法犯罪線索，對此類違法犯罪起到預防作用，在違法犯罪行為發生后，它也可以幫助追繳犯罪所得、打擊上游犯罪等。反洗錢也可以減少金融機構潛在的金融風險和法律風險，也有利于加強反洗錢國際合作。

在現有方法中，對交易中的洗錢行為的識別，主要是通過人工和人工設計的反洗錢規則來判斷。人工判斷效率較低，且受限于專家的經驗，而人工設計的反洗錢規則也受限于專家的經驗，可能導致反洗錢規則存在漏洞或誤判，導致不能準確的識別交易中的洗錢行為。

發明內容

為了克服上述現有技術的不足，本發明公開了一種復雜關聯交易中洗錢交易的檢測方法和系統。

本發明所采用的技術方案中，檢測方法包括兩個方面：

(1)根據一組已知是否洗錢的交易數據，對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)根據訓練完成的循環神經網絡模型，對未知是否為洗錢的交易數據進行檢測，得到該交易數據是否為洗錢的判斷結果。

根據本發明所采用的技術方案中，檢測方法的第一個方面，提出了一種新的洗錢交易檢測模型及其訓練方法，包括：

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；

生成初始特征向量，該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，該向量中的值是指定的值或隨機值；

建立人工神經網絡，作為循環神經網絡模型的網絡結構；

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，該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；

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，該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；

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，該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；

根據給定的終止訓練的判斷方法，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。

所述的終止訓練的判斷方法，包括以下方法或以下方法的組合：