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。

“2020中国金融科技创新大赛”由中国电子银行联合宣传年、中国电子银行网共同主办，大赛以“竞逐数字时代新赛道”为主题，将收集、整理和展示商业银行和互联网企业在过去一年中重要的金融科技创新实践案例，以飨行业。大赛旨在多角度、多层次展示行业创新成果，弘扬创新与合作精神，为国内外金融学者、从业者提供高质量的学术交流平台，积极推动对金融科技领域重要问题的深入研究及最新进展的交流，为促进金融科技创新发展贡献力量。

责任编辑：王煊