申请/专利权人：北京青萌数海科技有限公司

申请日：2024-03-27

公开（公告）日：2024-06-21

公开（公告）号：CN118229392A

主分类号：G06Q40/00

分类号：G06Q40/00;G06Q40/12;G06Q20/40;G06N20/00

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明公开了一种反洗钱识别方法，涉及反洗钱技术领域，包括步骤S1获取账户信息及账户交易信息，建立资金流图谱；S2选择已查获的洗钱账户为黑样本；S3以黑样本作为开始节点，获得第一层关系圈；S4建立条件概率特征和若干次黑白样本，依据若干个黑白样本及条件概率特征分别进行模型训练，得到若干终版条件概率模型；S5利用步骤S4中得到的若干条件概率模型对第一层关系圈中的各个账户进行概率预测，确定第一层高风险关系圈；S6：以第一层高风险关系圈中的各个账户分别作为开始节点，根据第一层高风险关系圈中的各个账户的资金流，获得第二层关系圈；S7建立第二层关系圈的条件概率特征；S8：利用步骤S4中得到的若干终版条件概率模型以及第二层关系圈的条件概率特征对第二层关系圈中的各个账户进行概率预测，依据设定条件，确定第二层高风险关系圈；S9：重复n‑2次步骤S6～S8，得到第三层高风险关系圈～第n层高风险关系圈；本发明还公开了存储有上述方法程序指令的存储介质和运行上述方法的系统，能够提高反洗钱识别效率和准确性，并降低人力资源的投入。

主权项：1.一种反洗钱识别方法，其特征在于：包括步骤：S1：获取账户信息及账户交易信息数据集，建立资金流图谱；S2：选择一个或多个已查获的洗钱账户为黑样本；S3：以所述黑样本作为开始节点，根据所述黑样本的资金流，获得第一层关系圈；S4：建立所述第一层关系圈的条件概率特征，依据所述条件概率特征建立若干次黑白样本，依据若干次所述黑白样本及所述条件概率特征分别进行模型训练，得到若干个对应的条件概率模型；具体的，所述第一层关系圈的条件概率特征为：特征A1、特征A2和特征A3中的至少一个；所述特征A1：所述第一层关系圈中各个账户与所述黑样本的累计交易金额；所述特征A2：所述第一层关系圈中各个账户与所述第一层关系圈中其它账户的累计交易金额；所述特征A3：所述第一层关系圈中各个账户的资金进出差额，即进账金额－出账金额；S5：利用步骤S4中得到的若干个所述条件概率模型以及所述第一层关系圈的条件概率特征对所述第一层关系圈中的各个账户进行概率预测，对所述第一层关系圈中的各个账户按预测概率不低于b的预测次数进行降次排序，选择排序前c％的账号为第一层高风险关系圈，并选择对所述第一层高风险关系圈中各个账号的预测概率均不低于b的所述条件概率模型为终版条件概率模型；S6：以所述第一层高风险关系圈中的各个账户分别作为开始节点，根据所述第一层高风险关系圈中的各个账户的资金流，获得第二层关系圈；S7：建立所述第二层关系圈的条件概率特征；具体的，所述第二层关系圈的条件概率特征为：特征B1、特征B2和特征B3中的至少一个；所述特征B1：所述第二层关系圈中各个账户与所述第一层高风险关系圈的累计交易金额；所述特征B2：所述第二层关系圈中各个账户与所述第二层关系圈中其它账户的累计交易金额；所述特征B3：所述第二层关系圈中各个账户的资金进出差额，即进账金额－出账金额；S8：利用步骤S5中的所述终版条件概率模型以及所述第二层关系圈的条件概率特征对所述第二层关系圈中的各个账户进行概率预测，选择预测概率均不低于d的账户为第二层高风险关系圈；S9：重复n-2次步骤S6～S8，得到第三层高风险关系圈～第n层高风险关系圈。

全文数据：

权利要求：

百度查询： 北京青萌数海科技有限公司 一种反洗钱识别方法、存储介质及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD