[发明专利]一种反洗钱可疑交易识别方法及设备

说明书

本发明公开了一种反洗钱可疑交易识别方法及设备。本发明在识别模型中设置了规则模型以及机器学习算法模型，对机器学习算法模型输出的第一结果以及规则模型输出的第二结果求取加权平均值，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。本发明通过结合机器学习算法模型输出的第一结果与规则模型输出的第二结果对可疑交易进行预测和判断，提高了对可疑交易数据识别的准确率以及识别范围，减少了误报率，提高了排查效率。

技术领域

本发明涉及金融领域，尤其涉及一种反洗钱可疑交易识别方法及设备。

背景技术

反洗钱对于维护金融体系的稳健运行，维护公平公正市场经济秩序的客观要求，对打击腐败等违法犯罪具有重要意义。近年来，人民银行及金融机构逐步规范了金融机构的大额交易和可疑交易监测分析及报告行为，有力的打击了洗钱活动，大额交易和可疑交易报告是反洗钱的重要工作之一，但与此同时证券公司在建设反洗钱可疑交易监测系统中遇到了不少挑战。

目前业内传统的方案是使用基于专家规则的可疑交易监测模型来进行反洗钱识别和有效性评估。这种方案主要是利用业务经验和专家知识来进行分析判断，但随着证券行业业务的不断发展，业务规则、系统、洗钱手法都在升级，固定的规则和策略更新速度跟不上业务的发展及规模的增长速度，就需要更多的人工进行可疑交易分析和甄别来弥补系统的不足，给证券公司造成持续增长的人力成本和带来越来越大的操作性风险。

随着互联网技术的发展，业内开始出现利用机器学习算法模型进行反洗钱可疑交易识别的系统和方案，这种方案旨在利用人工智能机器学习技术，通过参考过去已有的可疑交易案例，自动学习专家对可疑案例进行分析和识别的思路，利用具有专家审核结果的样本数据，从中学习并提取与洗钱行为有关的特征信息，最终使用机器学习算法实现对可疑交易的自动分类和排序。相比专家规则系统，机器学习方式可以迭代自学习，有更好的泛化能力，可以降低可疑交易识别的误报率，从而节省人工成本。

但是现有技术中，单个反洗钱机器学习模型的准确率不够高，无法有效的减少系统的误报率；且反洗钱机器学习模型的识别效果有限，对于符合监管要求的可疑上报案例暂时无法全部覆盖；其次，反洗钱机器学习模型一旦训练完成，无法进行自动更新和迭代，随着时间的迁移，洗钱手法可能会发生变化，但是模型却无法捕捉新型案例特征，从而准确率越来越低；并且利用反洗钱机器学习模型预测的案例，无法从根本上进行原因分析和解释，不满足监管机构的要求；针对规则模型警报的案例，除去指标特征外，还需要人工从零开始对案例进行分析和排查，耗费较多的人力和时间。

综上所述，现有技术中采用反洗钱机器学习模型，存在着识别准确性不高以及识别范围有限的技术问题。

发明内容

本发明提供了一种反洗钱可疑交易识别方法及设备，提高了对可疑交易进行识别的准确率以及识别范围。

为了解决上述技术问题，本发明实施例提供了一种反洗钱可疑交易识别方法，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。

优选的，预先设置所述识别模型的具体过程为：