CN113256121A - 一种人工智能反洗钱方法与*** - Google Patents
一种人工智能反洗钱方法与*** Download PDFInfo
- Publication number
- CN113256121A CN113256121A CN202110580253.0A CN202110580253A CN113256121A CN 113256121 A CN113256121 A CN 113256121A CN 202110580253 A CN202110580253 A CN 202110580253A CN 113256121 A CN113256121 A CN 113256121A
- Authority
- CN
- China
- Prior art keywords
- risk
- account
- data
- money laundering
- rating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004900 laundering Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 8
- 238000012550 audit Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000011867 re-evaluation Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 1
- 102000056548 Member 3 Solute Carrier Family 12 Human genes 0.000 description 1
- 108091006623 SLC12A3 Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013474 audit trail Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出了一种人工智能反洗钱方法,具体包括:对入网的交易进行监控,获取账户和交易数据并关联;将账户类型分为个人账户和法人账户,根据交易类型对交易进行分类;将账户和交易数据导入风险评分模块进行风险评分,建立准入环节及交易环节的风险洞察评分体系;风险等级较高的账户和交易导入反洗钱决策中心进行分析计算,建立账户关系模型;对风险等级较高的账户,根据交易类型和账户类型,将交易数据代入洗钱模型中计算拟合优度,找到拟合优度最好的模型;对风险等级较高的账户和交易及拟合优度结果进行核查及数据报送;对账户关系、多维度的业务态势、洗钱风险进行可视化展示。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种人工智能反洗钱方法与***。
背景技术
现代意义上的洗钱是指将毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪、贪污贿赂犯罪、破坏金融管理秩序犯罪、金融诈骗犯罪的所得及其产生的收益,通过金融机构以各种手段掩饰、隐瞒资金的来源和性质,使其在形式上合法化的行为。
洗钱造成了极其严重的经济、安全和社会后果。洗钱为贩毒者、***分子、非法武器交易商、腐败的政府官员以及其他罪犯的运作和发展提供了动力。洗钱已经变得越来越国际化,而与犯罪活动有关的金融问题也由于科技的日新月异以及金融服务业的全球化而变得日益复杂化。据国际货币基金组织统计,全球每年非法洗钱的数额约占世界国内生产总值的2%至5%,介于6000亿至1.8万亿美元之间,且每年以1000亿美元的数额不断增加。特别是在当前经济全球化、资本流动国际化的情况下,洗钱活动对国际金融体系的安全、对国际政治经济秩序的危害极大。
洗钱场景有网络赌博、毒品犯罪、贪污贿赂、走私犯罪、偷税漏税、金融诈骗、恐怖集资、地下钱庄等。洗钱识别点有异常开户(异地、代理、虚假信息、网银不设限额等),异常交易时间(敏感时间、周末交易),异常交易金额(累计金额巨大,特定金额、贴整、贴限、多币种交易等),异常交易地点、设备、IP等(异地、跨境、跨行、境外IP、高危省份等),账户短时频繁转账、快进快出,账户集中汇入分散转出、分散汇入分散转出,账户、设备、IP异常关联,静默账户突然有累计大额交易、频繁交易;试探、间歇***易,不留或少留余额、现金或消费场景交易多、不计成本等。但对于不同的洗钱场景,通常可以分为三个阶段:处置阶段、离析阶段和融合阶段。
(一)处置阶段:将犯罪收益投入“清洗***”的过程。它是洗钱的第一阶段,也是最容易被发现的阶段。例如,把犯罪收益存入银行或转换为银行票据、国债、信用社等;将小量小面额现金转为大面额现金;将大额交易分拆为多笔小额交易;购买汇票、保险或股票等。
(二)离析阶段:通过复杂的金融交易,将犯罪收益与其来源分离,混淆审计线索和隐藏罪犯身份的过程。
(三)融合阶段:又称为“整合阶段”,是洗钱的最后阶段,被形象地描述为“甩干”,即为犯罪收益提供表面合法性的过程。对于不同的洗钱场景,根据交易特征数据,通过深度学习的方法可建立不同的洗钱模型。
发明内容
基于背景技术中提出的问题,本发明提出了一种人工智能反洗钱方法,具体包括:
对入网的交易进行监控,获取账户和交易数据并关联得到关联数据;
将账户类型分为个人账户和法人账户,将交易进行分类得到不同的交易类型;
将关联数据导入风险评分模型进行风险评分,若评分高于预设风险阈值,则为初始风险账户;
基于交易类型和账户类型,将初始风险账户的交易数据输入至反洗钱决策中心中计算出与所有洗钱模型的拟合优度,找出拟合优度最好的洗钱模型,若最大拟合优度高于预设阈值,则所述初始风险账户为风险账户,其中,反洗钱决策中心内包含至少两个洗钱模型。
优选的,所述将关联数据导入风险评分模型进行风险评分,若评分高于预设风险阈值,则为初始风险账户,包括以下步骤:
获取反洗钱业务数据及反洗钱衍生数据,其中,反洗钱业务数据及反洗钱衍生数据属于关联数据;
将两类数据输入至风险评分模型中进行风险评级计算,得到风险评级结果;
将风险评级结果与评级对象进行关联并加入评级对象列表,基于评级对象列表设置风险阈值,基于风险阈值对风险评级结果参照评级模型进行初评,得到初始风险账户,其中,评级结果列表根据风险评级结果进行更新,根据评级结果对评级模型进行优化。
优选的,所述风险评级计算包括指标计算和特征计算;
所述指标包括基础指标、属性指标及关联指标;所述特征包括交易特征、风险特征和预警特征;
所述指标计算和特征计算,具体包括以下过程:
将反洗钱业务数据及反洗钱衍生数据按照评级指标管理中的指标分类规则进行指标分类,得到分类结果;
将分类结果两两结合成风险子项,将风险子项按照第一权重规则计算得到风险因素,其中,第一权重规则是根据指标分类结果的影响程度预设的权重比规则;
将风险因素按照第二权重规则计算得到风险评级得分,其中,第二权重规则是根据风险因素影响程度预设的权重比规则;
将风险评级得分按照评分等级转换矩阵转换为风险等级。
优选的,所述初评的操作包括客户身份识别、KYC审核、尽职调查和调整风险等级。
优选的,所述评级模型包括准入评级模型和行为评级模型,准入评级模型参数包括经营业务数据、关联企业数据、司法数据、工商数据、税务数据、负面数据、网络舆论;行为评级模型参数包括存量/新增数据、异常交易数据、异常账户数据、其他异常行为数据。
优选的,还包括对风险账户及账户关系模型进行可视化展示步骤,其中,所述账户关系模型是基于风险账户和交易数据建立的。
优选的,所述账户关系模型包含PageRank算法,目标账户设为0号账户,与其直接关联的账户为第1层关联账户,根据关联度依次设为账户1,账户2,...,账户n,与0号账户通过第1层关联账户关联的为第2层关联账户,根据关联度设为账户i1,账户i2,...,账户im,i取值为1到n,用PageRank算法计算账户0的PR值,由此构建账户关联网络。
优选的,还包括数据报送及处理过程,具体为:将风险账户及拟合优度结果进行报送、处理及完善,所述报送、处理及完善过程包括自动生成可疑报告,对可疑报告进行人工补录,包括交易补录、主体补录及格式校验;
将完善后的数据进行审核,审核通过后生成报文上报至中国反洗钱监测分析中心。
另一方面,本发明提出了一种人工智能反洗钱***,具体包括:数据获取模块、数据分类模块、风险评分模块和风险确定模块;
所述数据获取模块,用于对入网的交易进行监控,获取账户和交易数据并关联得到关联数据;
所述数据分类模块,将账户类型分为个人账户和法人账户,将交易进行分类得到不同的交易类型;
所述风险评分模块,将关联数据导入风险评分模型进行风险评分,若评分高于预设风险阈值,则为初始风险账户;
所述风险确定模块,基于交易类型和账户类型,将初始风险账户的交易数据输入至反洗钱决策中心中计算出与所有洗钱模型的拟合优度,找出拟合优度最好的洗钱模型,若最大拟合优度高于预设阈值,则所述初始风险账户为风险账户,其中,反洗钱决策中心内包含至少两个洗钱模型。
优选的,所述风险评分模块被设置为:
获取反洗钱业务数据及反洗钱衍生数据,其中,反洗钱业务数据及反洗钱衍生数据属于关联数据;
将两类数据输入至风险评分模型中进行风险评级计算,得到风险评级结果;
将风险评级结果与评级对象进行关联并加入评级对象列表,基于评级对象列表设置风险阈值,基于风险阈值对风险评级结果参照评级模型进行初评,得到初始风险账户,其中,评级结果列表根据风险评级结果进行更新。
优选的,***还包括可视化模块,用于对账户关系、多维度的业务态势、洗钱风险进行可视化展示。
本发明提出的一种人工智能反洗钱方法与***,可全流程监控入网的交易过程,通过风险评分模块删选出风险较高的交易,对风险较高的交易进行洗钱模型拟合,进行两次风险判别,提高了风险判别的准确性;最后将拟合结果进行核查及数据报送,本方案利用人工智能技术使得洗钱交易识别度准确、效率高;建立账户关系模型,可识别团伙作案,提高识别洗钱案件的几率;最后对账户关系、多维度的业务态势、洗钱风险进行可视化展示,可直观的观测到交易异常,辅助判别洗钱交易。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一具体实施例中人工智能反洗钱流程示意图;
图2为一具体实施例中对账户和交易在风险评分模块中的风险评分流程示意图;
图3为一具体实施例中评级指标管理中的风险评级计算过程示意图;
图4为一具体实施例中数据报送流程示意图;
图5为一具体实施例中人工智能反洗钱***模块架构示意图;
图6为一具体实施例中人工智能反洗钱***模块架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本说明书的描述中,参考术语“一实施例”、“一具体实施例”、“一实施例方式”、“例如”的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
如图1所示是一具体实施例中人工智能反洗钱流程示意图,主要步骤包括如下:
S1:对入网的交易进行监控,获取账户和交易数据并关联;
S2:将账户类型分为个人账户和法人账户,根据交易类型对交易进行分类;
S3:将账户和交易数据导入风险评分模块进行风险评分,建立准入环节及交易环节的风险洞察评分体系,如图2所示,具体包括:
从业务层获取反洗钱业务数据,从反洗钱监控模块获取反洗钱衍生数据,将两类数据传入评级指标管理进行风险评级计算,将计算结果与评级对象关联并加入评级对象列表,对计算结果进行初评,初评通过后进入复评,复评不通过的重新退回初评,复评通过的将评级结果进行归档,即加入历史评级结果列表中,并将评级结果反馈给反洗钱监控模块以优化评级模型。
如图3所示,评级指标管理中的风险评级计算包括:评级指标包括基础指标、属性指标、关联指标、交易特征、风险特征、预警特征,将传入的数据按照评级指标管理中的指标分类规则进行指标分类,将指标两两结合成风险子项,将风险子项按照权重规则一计算得到风险因素,又将风险因素按照权重规则二计算得到风险评级得分,最后将风险评级得分按照转换矩阵转换为风险等级。
初评过程包括客户身份识别、KYC审核、尽职调查、调整风险等级。
评级模型包括准入评级模型和行为评级模型,准入评级模型参数包括经营业务数据、关联企业数据、司法数据、工商数据、税务数据、负面数据、网络舆论;行为评级模型参数包括存量/新增数据、异常交易数据、异常账户数据、其他异常行为数据。
S4:风险等级较高的账户和交易导入反洗钱决策中心进行分析计算,建立账户关系模型;
账户关系模型包含PageRank算法,目标账户设为0号账户,与其直接关联的账户为第1层关联账户,根据关联度依次设为账户1,账户2,...,账户n,与0号账户通过第1层关联账户关联的为第2层关联账户,根据关联度设为账户i1,账户i2,...,账户im,i取值为1到n,用PageRank算法计算账户0的PR值,由此构建账户关联网络。
S5:对风险等级较高的账户,根据交易类型和账户类型,将交易数据代入洗钱模型中计算拟合优度,找到拟合优度最好的模型;
洗钱模型包括:一个模型是一种洗钱类型,反映一种洗钱场景,模型向下包含多个规则,每个规则相当于一个洗钱特征,多个特征反映一个洗钱场景。
S6:对风险等级较高的账户和交易及拟合优度结果进行核查及数据报送;
如图4所示,数据报送过程包括自动生成可疑报告,对可疑报告进行人工补录,包括交易补录、主体补录、格式校验,将完善后的数据进行审核,审核通过后生成报文上报至中国反洗钱监测分析中心。
S7:对账户关系、多维度的业务态势、洗钱风险进行可视化展示。
在另一具体实施例中,还可包括反洗钱监管名单库:被***其他国际组织或相关国家采取制裁措施的国家、地区或人物,其他被各级机构当地监管机构或各级机构根据业务经验确定为高风险的国家、地区或人物,被FATF确认为NCCT的国家或地区,被其他国际组织确认为缺乏足够洗钱法律和法规的国家或地区,被国际组织或相关国家确定为贩毒、恐怖或涉及其他犯罪的国家及人物,洗钱高风险的离岸金融中心,中国政府、***、国际刑警组织发布的名单。
在另一具体实施例中,如图5所示,人工智能反洗钱***包括决策中心、风险评分模块、监控模块、可视化模块、数据库;
决策中心包含账户关系模型和洗钱模型,用于对风险等级较高的账户和交易进行分析计算,建立账户关系模型;根据交易类型和账户类型,将交易数据代入洗钱模型中计算拟合优度,找到拟合优度最好的模型;对风险等级较高的账户和交易及拟合优度结果进行核查及数据报送;
风险评分模块用于对账户和交易数据进行风险评分,建立准入环节及交易环节的风险洞察评分体系,过程包括:从业务层获取反洗钱业务数据,从反洗钱监控模块获取反洗钱衍生数据,将两类数据传入评级指标管理进行风险评级计算,将计算结果与评级对象关联并加入评级对象列表,对计算结果进行初评,初评通过后进入复评,复评不通过的重新退回初评,复评通过的将评级结果进行归档,即加入历史评级结果列表中,并将评级结果反馈给反洗钱监控模块以优化评级模型。
监控模块用于对入网的交易进行监控,获取账户和交易数据并关联;将账户类型分为个人账户和法人账户,根据交易类型对交易进行分类;
数据库存储有知识图谱、名单库、重要特征列表、特征宽表;
可视化模块用于对账户关系、多维度的业务态势、洗钱风险进行可视化展示。
在另一具体实施例中,如图6所示,人工智能反洗钱***包括数据获取模块、数据分类模块、风险评分模块和风险确定模块;
所述数据获取模块,用于对入网的交易进行监控,获取账户和交易数据并关联得到关联数据;
所述数据分类模块,将账户类型分为个人账户和法人账户,将交易进行分类得到不同的交易类型;
所述风险评分模块,将关联数据导入风险评分模型进行风险评分,若评分高于预设风险阈值,则为初始风险账户;
所述风险确定模块,基于交易类型和账户类型,将初始风险账户的交易数据输入至反洗钱决策中心中计算出与所有洗钱模型的拟合优度,找出拟合优度最好的洗钱模型,若最大拟合优度高于预设阈值,则所述初始风险账户为风险账户,其中,反洗钱决策中心内包含至少两个洗钱模型。
在另一具体实施例中,风险评分模块被设置为:
获取反洗钱业务数据及反洗钱衍生数据,其中,反洗钱业务数据及反洗钱衍生数据属于关联数据;
将两类数据输入至风险评分模型中进行风险评级计算,得到风险评级结果;
将风险评级结果与评级对象进行关联并加入评级对象列表,基于评级对象列表设置风险阈值,基于风险阈值对风险评级结果参照评级模型进行初评,得到初始风险账户,其中,评级结果列表根据风险评级结果进行更新。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
Claims (10)
1.一种人工智能反洗钱方法,其特征在于,包括以下步骤:
对入网的交易进行监控,获取账户和交易数据并关联得到关联数据;
将账户类型分为个人账户和法人账户,将交易进行分类得到不同的交易类型;
将关联数据导入风险评分模型进行风险评分,若评分高于预设风险阈值,则为初始风险账户;
基于交易类型和账户类型,将初始风险账户的交易数据输入至反洗钱决策中心中计算出与所有洗钱模型的拟合优度,找出拟合优度最好的洗钱模型,若最大拟合优度高于预设阈值,则所述初始风险账户为风险账户,其中,反洗钱决策中心内包含至少两个洗钱模型。
2.根据权利要求1所述的人工智能反洗钱方法,其特征在于,所述将关联数据导入风险评分模型进行风险评分,若评分高于预设风险阈值,则为初始风险账户,包括以下步骤:
获取反洗钱业务数据及反洗钱衍生数据,其中,反洗钱业务数据及反洗钱衍生数据属于关联数据;
将两类数据输入至风险评分模型中进行风险评级计算,得到风险评级结果;
将风险评级结果与评级对象进行关联并加入评级对象列表,基于评级对象列表设置风险阈值,基于风险阈值对风险评级结果参照评级模型进行初评,得到初始风险账户,其中,评级结果列表根据风险评级结果进行更新,根据评级结果对评级模型进行优化。
3.根据权利要求2所述的人工智能反洗钱方法,其特征在于,所述风险评级计算包括指标计算和特征计算;
所述指标包括基础指标、属性指标及关联指标;所述特征包括交易特征、风险特征和预警特征;
所述指标计算和特征计算,具体包括以下过程:
将反洗钱业务数据及反洗钱衍生数据按照评级指标管理中的指标分类规则进行指标分类,得到分类结果;
将分类结果两两结合成风险子项,将风险子项按照第一权重规则计算得到风险因素,其中,第一权重规则是根据指标分类结果的影响程度预设的权重比规则;
将风险因素按照第二权重规则计算得到风险评级得分,其中,第二权重规则是根据风险因素影响程度预设的权重比规则;
将风险评级得分按照评分等级转换矩阵转换为风险等级。
4.根据权利要求2所述的人工智能反洗钱方法,其特征在于,所述初评的操作包括客户身份识别、KYC审核、尽职调查和调整风险等级。
5.根据权利要求2所述的人工智能反洗钱方法,其特征在于,所述评级模型包括准入评级模型和行为评级模型,准入评级模型参数包括经营业务数据、关联企业数据、司法数据、工商数据、税务数据、负面数据、网络舆论;行为评级模型参数包括存量/新增数据、异常交易数据、异常账户数据、其他异常行为数据。
6.根据权利要求1所述的人工智能反洗钱方法,其特征在于,还包括对风险账户及账户关系模型进行可视化展示步骤,其中,所述账户关系模型是基于风险账户和交易数据建立的。
7.根据权利要求6所述的人工智能反洗钱方法,其特征在于,所述账户关系模型包含PageRank算法,目标账户设为0号账户,与其直接关联的账户为第1层关联账户,根据关联度依次设为账户1,账户2,...,账户n,与0号账户通过第1层关联账户关联的为第2层关联账户,根据关联度设为账户i1,账户i2,...,账户im,i取值为1到n,用PageRank算法计算账户0的PR值,由此构建账户关联网络。
8.根据权利要求1所述的人工智能反洗钱方法,其特征在于,还包括数据报送及处理过程,具体为:将风险账户及拟合优度结果进行报送、处理及完善,所述报送、处理及完善过程包括自动生成可疑报告,对可疑报告进行人工补录,包括交易补录、主体补录及格式校验;
将完善后的数据进行审核,审核通过后生成报文上报至中国反洗钱监测分析中心。
9.一种人工智能反洗钱***,其特征在于,包括数据获取模块、数据分类模块、风险评分模块和风险确定模块;
所述数据获取模块,用于对入网的交易进行监控,获取账户和交易数据并关联得到关联数据;
所述数据分类模块,将账户类型分为个人账户和法人账户,将交易进行分类得到不同的交易类型;
所述风险评分模块,将关联数据导入风险评分模型进行风险评分,若评分高于预设风险阈值,则为初始风险账户;
所述风险确定模块,基于交易类型和账户类型,将初始风险账户的交易数据输入至反洗钱决策中心中计算出与所有洗钱模型的拟合优度,找出拟合优度最好的洗钱模型,若最大拟合优度高于预设阈值,则所述初始风险账户为风险账户,其中,反洗钱决策中心内包含至少两个洗钱模型。
10.根据权利要求9所述的人工智能反洗钱***,其特征在于,所述风险评分模块被设置为:获取反洗钱业务数据及反洗钱衍生数据,其中,反洗钱业务数据及反洗钱衍生数据属于关联数据;
将两类数据输入至风险评分模型中进行风险评级计算,得到风险评级结果;
将风险评级结果与评级对象进行关联并加入评级对象列表,基于评级对象列表设置风险阈值,基于风险阈值对风险评级结果参照评级模型进行初评,得到初始风险账户,其中,评级结果列表根据风险评级结果进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580253.0A CN113256121A (zh) | 2021-05-26 | 2021-05-26 | 一种人工智能反洗钱方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580253.0A CN113256121A (zh) | 2021-05-26 | 2021-05-26 | 一种人工智能反洗钱方法与*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256121A true CN113256121A (zh) | 2021-08-13 |
Family
ID=77184682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110580253.0A Pending CN113256121A (zh) | 2021-05-26 | 2021-05-26 | 一种人工智能反洗钱方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256121A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742655A (zh) * | 2022-06-13 | 2022-07-12 | 杭银消费金融股份有限公司 | 基于机器学习的反洗钱行为识别*** |
CN116596539A (zh) * | 2023-04-18 | 2023-08-15 | 北京邮电大学 | 一种反洗钱方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767326A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 可疑交易报告生成方法、装置、计算机设备和存储介质 |
CN109767322A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 基于大数据的可疑交易分析方法、装置和计算机设备 |
CN109767327A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 基于反洗钱的客户信息采集及其使用方法 |
CN109949154A (zh) * | 2018-12-17 | 2019-06-28 | 深圳平安综合金融服务有限公司 | 客户信息分类方法、装置、计算机设备和存储介质 |
CN110264326A (zh) * | 2019-05-24 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 识别异常账户集合和风险账户集合的方法、装置及设备 |
-
2021
- 2021-05-26 CN CN202110580253.0A patent/CN113256121A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949154A (zh) * | 2018-12-17 | 2019-06-28 | 深圳平安综合金融服务有限公司 | 客户信息分类方法、装置、计算机设备和存储介质 |
CN109767326A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 可疑交易报告生成方法、装置、计算机设备和存储介质 |
CN109767322A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 基于大数据的可疑交易分析方法、装置和计算机设备 |
CN109767327A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 基于反洗钱的客户信息采集及其使用方法 |
CN110264326A (zh) * | 2019-05-24 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 识别异常账户集合和风险账户集合的方法、装置及设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742655A (zh) * | 2022-06-13 | 2022-07-12 | 杭银消费金融股份有限公司 | 基于机器学习的反洗钱行为识别*** |
CN114742655B (zh) * | 2022-06-13 | 2022-09-02 | 杭银消费金融股份有限公司 | 基于机器学习的反洗钱行为识别*** |
CN116596539A (zh) * | 2023-04-18 | 2023-08-15 | 北京邮电大学 | 一种反洗钱方法及*** |
CN116596539B (zh) * | 2023-04-18 | 2024-02-09 | 北京邮电大学 | 一种反洗钱方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Segovia-Vargas | Money laundering and terrorism financing detection using neural networks and an abnormality indicator | |
González et al. | Characterization and detection of taxpayers with false invoices using data mining techniques | |
JP6162242B2 (ja) | トランザクション・モニタリング・システム | |
US7427016B2 (en) | System and method for screening for fraud in commercial transactions | |
US20170262852A1 (en) | Database monitoring system | |
Li et al. | Identifying the signs of fraudulent accounts using data mining techniques | |
EP2461280A1 (en) | Method and system for dynamically detecting illegal activity | |
CN113994323A (zh) | 智能警报*** | |
CN109472610A (zh) | 一种银行交易反欺诈方法及***、设备和存储介质 | |
CN113256121A (zh) | 一种人工智能反洗钱方法与*** | |
Rouhollahi | Towards artificial intelligence enabled financial crime detection | |
Dawe | Conducting national money laundering or financing of terrorism risk assessment | |
CN115879548B (zh) | 一种用于客户身份识别的知识图谱构建方法和*** | |
Лєонов et al. | Forecasting the risk of money laundering through financial intermediaries | |
Palshikar et al. | Financial security against money laundering: A survey | |
CN114140245A (zh) | 机构风险评估方法、装置、设备及计算机存储介质 | |
Şen et al. | Detecting falsified financial statements using data mining: empirical research on finance sector in Turkey | |
Kamau | An investigation into the causes and characteristics of fraud in Kenyan SACCOs and whether Benford's Law can be used to detect fraud in the accounting data | |
Danenas | Intelligent financial fraud detection and analysis: a survey of recent patents | |
Rose | Modernizing check fraud detection with machine learning | |
Khanuja et al. | Monitor and detect suspicious transactions with database forensics and Dempster-Shafer theory of evidence | |
Nwafor et al. | The use of business intelligence and predictive analytics in detecting and managing occupational fraud in Nigerian banks | |
Tabar et al. | Identifying the Suspected Cases of Money Laundering in Banking Using Multiple Attribute Decision Making (MADM) | |
Truskauskas et al. | Efficiency of anti-money laundering: the case of Northern European countries | |
George et al. | Data mining in the investigation of money laundering and terrorist financing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |
|
RJ01 | Rejection of invention patent application after publication |