可疑洗钱团伙的识别方法和识别装置制造方法及图纸

本说明书提供一种可疑洗钱团伙的识别方法，包括：基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系；根据所建立的资金往来关系，对资金账户采用聚类算法进行聚类，并生成每个类别的类别特征；将满足黑名单条件的类别标记为洗钱类别，将满足白名单条件的类别标记为正常类别，以洗钱类别和正常类别的类别特征作为样本数据，对二分类模型进行训练；将除洗钱类别和正常类别以外的其他类别的类别特征输入训练完成的二分类模型，根据二分类模型的输出判断所述其他类别是否为可疑洗钱团伙。

Identification method and identification device for Suspicious Money Laundering gangs

This specification provides a identification method for Suspicious Money Laundering groups, including: Based on the record of funds to meet the predetermined statistical conditions and the establishment of financial relations between funds and accounts in the record. According to the relationship between funds established, cluster algorithm is used to cluster the fund account, and the categories of each category are generated. Characteristics; marking the categories of blacklist conditions as money laundering categories, marking the categories that satisfy the white list as normal categories, using the money laundering category and the normal category characteristics as sample data, training the two classification model, and input the category characteristics of other categories except the money laundering category and the normal category. The two classification model completed by training determines whether the other categories are suspicious money laundering groups according to the output of the two classification model.

【技术实现步骤摘要】
可疑洗钱团伙的识别方法和识别装置
本说明书涉及数据处理
，尤其涉及一种可疑洗钱团伙的识别方法和识别装置。
技术介绍
随着信息科技的发展，互联网技术逐渐拓展至金融领域，形成新的业务模式——互联网金融。互联网金融拓宽了金融服务的通道、优化了资金的配置、降低了交易成本、简化了交易程序，能够弥补传统金融的不足，满足用户多样化的需求。然而，互联网本身具有的匿名、快速、便捷等特点，也为各种非法行为的实施提供了有利条件，网络洗钱就是其中的一种。近年来，洗钱呈现由传统支付工具向互联网金融转移的趋势，不法分子利用网络支付工具洗钱已成常态。在这样的背景下，如何快速有效地防范洗钱风险已成为互联网金融行业发展亟待解决的问题。
技术实现思路
有鉴于此，本说明书提供一种可疑洗钱团伙的识别方法，包括：基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系；根据所建立的资金往来关系，对资金账户采用聚类算法进行聚类，并生成每个类别的类别特征；将满足黑名单条件的类别标记为洗钱类别，将满足白名单条件的类别标记为正常类别，以洗钱类别和正常类别的类别特征作为样本数据，对二分类模型进行训练；将除洗钱类别和正常类别以外的其他类别的类别特征输入训练完成的二分类模型，根据二分类模型的输出判断所述其他类别是否为可疑洗钱团伙。本说明书还提供了一种可疑洗钱团伙的识别装置，包括：资金往来关系单元，用于基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系；类别特征生成单元，用于根据所建立的资金往来关系，对资金账户采用聚类算法进行聚类，并生成每个类别的类别特征；二分类模型训练单元，用于将满足黑名单条件的类别标记为洗钱类别，将满足白名单条件的类别标记为正常类别，以洗钱类别和正常类别的类别特征作为样本数据，对二分类模型进行训练；可疑团伙判定单元，用于将除洗钱类别和正常类别以外的其他类别的类别特征输入训练完成的二分类模型，根据二分类模型的输出判断所述其他类别是否为可疑洗钱团伙。本说明书提供的一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行上述可疑洗钱团伙的识别方法所述的步骤。本说明书提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行上述可疑洗钱团伙的识别方法所述的步骤。由以上技术方案可见，本说明书的实施例中，采用账户间的资金往来关系将账户聚类为若干个类别，分别将满足黑名单条件和白名单条件的类别标记为洗钱类别和正常类别，以洗钱类别和正常类别的类别特征作为样本数据训练二分类模型，利用训练完成的二分类模型来识别其他类别是否是可疑洗钱团伙；本说明书的实施例能够采用近期的资金往来记录，基于从资金往来关系发现的账户之间的关联，快速而准确的识别出高风险的可疑洗钱团伙。附图说明图1是本说明书实施例中一种可疑洗钱团伙的识别方法的流程图；图2是本说明书应用示例中一种识别可疑洗钱团伙的过程示意图；图3是运行本说明书实施例的设备的一种硬件结构图；图4是本说明书实施例中一种可疑洗钱团伙的识别装置的逻辑结构图。具体实施方式本说明书的实施例提出一种新的可疑洗钱团伙的识别方法，采用账户间的资金往来关系来对账户进行聚类并提炼出每个类别的类别特征，以已知的洗钱类别和正常类别的类别特征作为样本数据，训练以类别特征为输入的二分类模型，利用训练完成的二分类模型来发现其他未知类别中的可疑洗钱团伙，从而实现了基于账户关系的高风险可疑洗钱团伙识别，相对于基于用户行为的单个可疑洗钱账户识别更为高效，并且由于采用近期资金往来记录进行模型训练和识别，对可疑洗钱账户的识别更为快速和准确。本说明书的实施例可以运行在任何具有计算和存储能力的设备上，如手机、平板电脑、PC(PersonalComputer，个人电脑)、笔记本、服务器等设备；还可以由运行在两个或两个以上设备的逻辑节点来实现本说明书实施例中的各项功能。本说明书的实施例中，可疑洗钱团伙的识别方法的流程如图1所示。步骤110，基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系。本说明书的实施例中，互联网金融服务提供商的系统以用户采用资金账户进行的与资金流动相关的网络行为，来作为识别可疑洗钱团伙的数据基础。资金账户可以是任何用户能够用来实现资金流入或流出的账户，例如在各种支付平台注册的账户、借记卡、信用卡、存折等。用户采用资金账户进行的各种导致资金流入或流出的每笔操作，会作为一条资金往来记录被互联网金融服务提供商的系统保存起来。每条资金往来记录中包括资金流入账户、资金流出账户、以及流动的资金量等信息。在互联网金融服务提供商的系统的运行过程中，资金往来记录在持续不断的产生。可以采用预定统计条件，选择部分或全部的资金往来记录用来对可疑洗钱团伙进行识别。可以根据实际应用场景中互联网金融服务提供商的业务特点、识别的准确程度和时效要求等因素，来确定预定统计条件。例如，可以将在预定时间段(如两个月)内对某项或某些项具体业务(如转账、充值和提现行为)的资金往来记录用作识别可疑洗钱团伙的数据；再如，可以将预定时间段内超过某个阈值的资金往来记录用作识别可疑洗钱团伙的数据。基于资金往来记录，可以在各个资金账户之间构建出资金往来关系，用来对记录中的各个资金网络账户进行聚类。根据实际应用场景的业务特点、可疑洗钱团伙识别的精确度要求、采用的聚类算法等因素，来确定构建资金往来关系的具体方式，本说明书的实施例不做限定。以下举例说明。第一个例子：在满足预定统计条件的资金往来记录中每条记录的两个资金账户，即资金流入账户和资金流出账户之间建立资金往来关系。也即，所有上述记录中曾经发生资金往来的资金账户间都存在资金往来关系。第二个例子：在满足预定统计条件的资金往来记录中每条记录的两个资金账户之间建立资金往来关系，累计上述记录中曾经发生资金往来的任意两个资金账户之间的资金往来总量，如果某两个资金账户间的资金往来总量低于预定阈值，则删除这两个资金账户间的资金往来关系。未被删除的资金往来关系将用来对记录中的资金账户采用聚类算法进行聚类。这个例子中将关注点集中在有大额度资金流量的资金账户之间，可以减少资金往来关系的数量，加快聚类算法的运行速度，并使得聚类结果更为准确。第三个例子：对一些聚类算法，资金往来关系中的资金流向将对聚类结果产生影响。在这种情况下，两个资金账户A和B之间的资金往来关系包括：由A到B的单向资金关系(即资金由资金账户A流向资金账户B)、由B到A的单向资金关系、和双向资金关系(即资金由资金账户A流向资金账户B，也由资金账户B流向资金账户A)。可以将已建立的资金往来关系(如第一个例子或第二个例子的结果)，按照两个资金账户间的资金流量标记为单向资金关系或双向资金关系。第四个例子：在第三个例子中标记单向资金关系或双向资金关系时，分别累计具有资金往来关系的两个资金账户之间的两个资金流向的单向总流量，当两个资金账户之间两个流向的单向总流量满足预定差异条件时，将这两个资金账户之间的资金往来关系标记为单向资金关系，否则认为这两个资金账户之间为双向资金关系。预定差异条件可以根据实际应用场景的需要来设定，例如可以是两个流向的单向总流量之差本文档来自技高网...

【技术保护点】
1.一种可疑洗钱团伙的识别方法，包括：基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系；根据所建立的资金往来关系，对资金账户采用聚类算法进行聚类，并生成每个类别的类别特征；将满足黑名单条件的类别标记为洗钱类别，将满足白名单条件的类别标记为正常类别，以洗钱类别和正常类别的类别特征作为样本数据，对二分类模型进行训练；将除洗钱类别和正常类别以外的其他类别的类别特征输入训练完成的二分类模型，根据二分类模型的输出判断所述其他类别是否为可疑洗钱团伙。

【技术特征摘要】
1.一种可疑洗钱团伙的识别方法，包括：基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系；根据所建立的资金往来关系，对资金账户采用聚类算法进行聚类，并生成每个类别的类别特征；将满足黑名单条件的类别标记为洗钱类别，将满足白名单条件的类别标记为正常类别，以洗钱类别和正常类别的类别特征作为样本数据，对二分类模型进行训练；将除洗钱类别和正常类别以外的其他类别的类别特征输入训练完成的二分类模型，根据二分类模型的输出判断所述其他类别是否为可疑洗钱团伙。2.根据权利要求1所述的方法，所述方法还包括：对所有类别采用异常检测算法查找其中的异常类别，用于进行风险网络特征的发现。3.根据权利要求1所述的方法，所述根据所建立的资金往来关系，对资金账户采用聚类算法进行聚类，并生成每个类别的类别特征，包括：以满足预定统计条件的资金往来记录中的资金账户为节点、以所建立的资金往来关系为边，建立资金关系网络图；采用聚类算法对资金关系网络中的资金账户进行聚类；以属于每个类别的资金账户为节点，以属于所述类别的资金账户之间的资金往来关系为边，构建每个类别的类别子图；采用特征抽取算法，生成每个类别子图的特征向量，作为每个类别的类别特征。4.根据权利要求3所述的方法，所述特征抽取算法包括：网络模体NetworkMotifs方法；所述聚类算法包括：标签传播算法LPA、或K均值K-Means算法。5.根据权利要求1所述的方法，所述基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系，包括：在满足预定统计条件的资金往来记录中每条记录的两个资金账户之间建立资金往来关系；累计具有资金往来记录的任意两个资金账户之间的资金往来总量，当某两个资金账户间的资金往来总量低于预定阈值时，删除所述两个资金账户间的资金往来关系。6.根据权利要求1所述的方法，所述资金往来关系包括：两个资金账户间的单向资金关系和双向资金关系。7.根据权利要求6所述的方法，所述基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的资金往来关系，包括：分别累计具有资金往来关系的任意两个资金账户之间的两个流向的单向总流量，当两个资金账户之间两个流向的单向总流量满足预定差异条件时，认为所述两个资金账户之间为单向资金关系，否则认为所述两个资金账户之间为双向资金关系。8.根据权利要求1所述的方法，所述预定统计条件包括：在预定时间段内资金账户间的转账、充值和提现行为。9.一种可疑洗钱团伙的识别装置，包括：资金往来关系单元，用于基于满足预定统计条件的资金往来记录，建立记录中资金账户之间的...

【专利技术属性】
技术研发人员：郭亚，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY