[发明专利]一种反洗钱可疑交易识别方法及设备

权利要求书

1.一种反洗钱可疑交易识别方法，其特征在于，包括以下步骤：

获取待识别的客户交易数据，并从所述客户交易数据中提取出交易数据特征以及交易事件指标；

将所述交易数据特征以及所述交易数据事件指标输入到预先设置的识别模型中，获取所述识别模型输出的第一结果和第二结果；其中，所述识别模型包括机器学习算法模型以及规则模型，所述机器学习算法模型用于根据所述交易数据特征计算所述客户交易数据属于可疑交易数据的概率将其作为第一结果输出，所述规则模型用于根据所述交易事件指标计算所述用户交易数据所属的可疑交易事件类型，并将所述可疑交易类型作为所述第二结果输出；

计算所述第一结果和所述第二结果的加权平均值，得到所述用户交易数据属于可疑交易数据的概率，并根据所述概率，判断所述客户交易数据是否为可疑交易数据。

2.根据权利要求1所述的一种反洗钱可疑交易识别方法，其特征在于，预先设置所述识别模型的具体过程为：

获取客户的历史交易数据，从所述历史交易数据中选取出第一训练样本数据，确所述机器学习算法模型初始的参数；

从所述第一训练样本数据中提取出历史交易数据特征，将所述历史交易数据特征输入到机器学习算法模型中进行训练，更新所述机器学习算法模型的参数，获得设置好的机器学习算法模型；

基于所述设置好的学习算法模型以及所述规则模型建立设置好的识别模型。

3.根据权利要求2所述的一种反洗钱可疑交易识别方法，其特征在于，所述机器学习算法模型包括一个算法子模型或多个算法子模型的组合，其中，算法子模型为逻辑回归子模型、梯度提升决策树子模型、随机森林子模型以及极端梯度提升决策树子模型中的任意一种。

4.根据权利要求3所述的一种反洗钱可疑交易识别方法，其特征在于，所述规则模型中包括有M个规则子模型，其中M均正整数，每个所述规则子模型对应一种可疑交易事件，每个所述规则子模型根据所述交易事件指标判断所述客户交易数据是否构成该规则子模型所对应的可疑交易事件。

5.根据权利要求4所述的一种反洗钱可疑交易识别方法，其特征在于，所述第一结果中还包括每个所述算法子模型预先设置的第一权重；所述第二结果中还包括每个所述规则子模型预先设置的第二权重。

6.根据权利要求5所述的一种反洗钱可疑交易识别方法，其特征在于，其特征在于，根据比较结果判断所述客户交易数据是否为可疑交易数据后，还包括以下步骤：

若所述客户交易数据为可疑交易数据，则发出警报，从所述规则子模型中获取所述客户交易数据所对应的可疑交易事件，对所述机器学习算法模型输出的第一结果进行因子挖掘，得到所述客户交易数据的交易数据特征因子；

从外部信息数据库中获取与客户相关联的行为信息；

根据所述客户当前的数据所对应的可疑交易事件、所述客户交易数据的交易数据特征因子以及所述行为信息，生成客户可疑交易信息报告；

若客户交易数据不是可疑交易数据，则不执行动作。

7.根据权利要求6所述的一种反洗钱可疑交易识别方法，其特征在于，对所述机器学习算法模型输出的第一结果进行因子挖掘，得到所述客户交易数据的交易数据特征因子的具体过程为：

计算每个算法子模型对所述概率的贡献程度，选择出所述贡献程度最大的算法子模型；对贡献程度最大的算法子模型进行因子挖掘，计算每个所述交易数据特征对所述概率的贡献程度，按照所述贡献程度从高到低对所述交易数据特征进行排序，选择出前Z个所述交易数据特征作为交易数据特征因子，其中，Z为正整数。

8.根据权利要求7所述的一种反洗钱可疑交易识别方法，其特征在于，所述与客户相关联的行为信息包括外部舆情信息、监管信息、工商管理信息以及诉讼信息。