[发明专利]非法所得合法化行为监测方法、系统、计算机装置及介质

权利要求书

1.一种洗钱监测方法，其特征在于，所述方法包括：

获取历史反洗钱记录数据，其中所述历史反洗钱记录数据包括洗钱账户交易数据及非洗钱账户交易数据；

根据所述历史反洗钱记录数据建立用于识别不同账户类型的洗钱识别模型；

接收洗钱监测指令，并根据所述监测指令从交易系统数据库中读取账户类型信息及账户交易产生的在线流式数据；

将所述读取到的在线流式数据及账户类型信息输入至所述洗钱识别模型，以进行洗钱风险识别；及

根据预设分类规则对所述洗钱识别模型输出的识别结果进行分类存储，并输出具有洗钱嫌疑的账户信息。

2.如权利要求1所述的洗钱监测方法，其特征在于，所述根据所述历史反洗钱记录数据建立用于识别不同账户类型的洗钱识别模型的步骤包括：

建立一神经网络模型，所述神经网络模型包括输入层、多个隐藏层及输出层；及

利用所述历史反洗钱记录数据对所述神经网络模型进行训练得到所述洗钱识别模型。

3.如权利要求2所述的洗钱监测方法，其特征在于，所述利用所述历史反洗钱记录数据对所述神经网络模型进行训练得到所述洗钱识别模型的步骤包括：

将所述历史反洗钱记录数据划分为训练集及验证集；

利用所述训练集对所述神经网络模型进行训练；

利用所述验证集对训练后的神经网络模型进行验证，并根据每一验证结果统计得到一模型预测准确率；

判断所述模型预测准确率是否小于预设阈值；及

当所述模型预测准确率不小于所述预设阈值时，将训练完成的所述神经网络模型作为所述洗钱识别模型。

4.如权利要求3所述的洗钱监测方法，其特征在于，所述判断所述模型预测准确率是否小于预设阈值的步骤之后还包括：

当所述模型预测准确率小于所述预设阈值时，调整所述神经网络模型的参数，并利用所述训练集重新对调整后的神经网络模型进行训练；

利用所述验证集对重新训练的神经网络模型进行验证，并根据每一验证结果重新统计得到一模型预测准确率，并判断重新统计得到的模型预测准确率是否小于预设阈值；

当所述重新统计得到的模型预测准确率不小于所述预设阈值时，将所述重新训练得到的神经网络模型作为所述洗钱识别模型；及

当所述重新统计得到的模型预测准确率小于所述预设阈值时，重复上述步骤直至通过所述验证集验证得到的模型预测准确率不小于所述预设阈值；

其中，所述神经网络模型的参数包括总层数、每一层的神经元数。

5.如权利要求1所述的洗钱监测方法，其特征在于，所述根据所述监测指令从交易系统数据库中读取账户类型信息及账户交易产生的在线流式数据的步骤之后包括：

将所述读取到的账户类型信息及账户交易产生的在线流式数据存储至一缓冲区。

6.如权利要求1或5所述的洗钱监测方法，其特征在于，所述根据预设分类规则对所述洗钱识别模型输出的识别结果进行分类存储的步骤包括：

按照预设分类规则对所述洗钱识别模型输出的识别结果进行分类，并将同一类别的识别结果以稀疏存储的方式进行保存；

其中，所述预设分类规则包括按照账户类型进行分类和/或按照识别结果进行分类。

7.如权利要求1或5所述的洗钱监测方法，其特征在于，所述输出具有洗钱嫌疑的账户信息的步骤之后还包括：

将所述具有洗钱嫌疑的账户信息发送至后端审核平台，以进行账户洗钱风险审核。