一种反洗钱监控方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种反洗钱监控方法、装置、设备及存储介质。该方法包括：获取目标域样本集；将所述目标域样本集输入所述目标反洗钱监控模型，得到所述目标域样本集对应的目标标签信息，所述目标反洗钱监控模型包括：第一反洗钱监控模型和第二反洗钱监控模型，所述第一反洗钱监控模型根据风险提示信息建立，所述第二反洗钱监控模型通过所述目标域样本集和源域样本集迭代训练神经网络模型得到，通过本发明专利技术的技术方案，解决训练成本高，训练数据少且规模小的问题，能够提升反洗钱监控的准确性。能够提升反洗钱监控的准确性。能够提升反洗钱监控的准确性。

【技术实现步骤摘要】
一种反洗钱监控方法、装置、设备及存储介质


[0001]本专利技术实施例涉及金融风险评估
，尤其涉及一种反洗钱监控方法、装置、设备及存储介质。

技术介绍

[0002]金融领域的反洗钱工作是一类业务复杂的机器学习应用场景，常面临数据规模小、样本少的问题。在跨机构、跨地域合作的场景下，又存在特征差异大、数据分布偏移等特点。这些问题导致模型直接复用将不满足传统机器学习对于建模数据独立同分布的首要条件。
[0003]目前风险监测方案为：自定义规则，业务专家通过研究我国金融监管要求，分析基于实际业务场景的历史数据特征，挖掘出具有价值的线索和风险疑点，并以风险识别为核心，自定义一系列可量化的可疑监测规则。从而满足对风险场景的甄别，并根据监管风险提示和金融行业，及时扩展和调整监测规则。这种被称为自定义规则，在风险监测中运用广泛。
[0004]现有的传统自定义规则，主要通过专业人员凭借经验对模型进行评估，人工手工配置模型规则，这种方式存在较大缺点，1、需要投入大量的人力与时间。2、人工配置是在预判了可能的风险方向的前提下设计规则模型，可能存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种反洗钱监控方法，其特征在于，包括：获取目标域样本集；将所述目标域样本集输入所述目标反洗钱监控模型，得到所述目标域样本集对应的目标标签信息，所述目标反洗钱监控模型包括：第一反洗钱监控模型和第二反洗钱监控模型，所述第一反洗钱监控模型根据风险提示信息建立，所述第二反洗钱监控模型通过所述目标域样本集和源域样本集迭代训练神经网络模型得到。2.根据权利要求1所述的方法，其特征在于，所述第一反洗钱监控模型根据风险提示信息建立，包括：获取风险提示信息；根据所述风险提示信息确定目标规则；根据所述目标规则建立第一反洗钱监控模型。3.根据权利要求1所述的方法，其特征在于，所述目标域样本包括：第一交易信息、第一客户信息和第一账户信息；相应的，通过所述目标域样本集和源域样本集迭代训练神经网络模型得到第二反洗钱监控模型，包括：获取源域样本集，其中，所述源域样本包括：第二交易信息、第二客户信息和第二账户信息；对所述第一交易信息、第一客户信息和第一账户信息各自进行归一化处理后进行拼接，得到目标域特征向量；对所述第二交易信息、第二客户信息和第二账户信息各自进行归一化处理后进行拼接，得到源域特征向量；将所述目标域特征向量输入零包贩毒监测模型，得到第一标签信息；将所述源域特征向量输入所述零包贩毒监测模型，得到第二标签信息；根据所述目标域特征向量和所述第一标签信息确定目标域数据；根据所述源域特征向量和所述第二标签信息确定源域数据；根据所述目标域数据和所述源域数据确定转换矩阵；根据所述转换矩阵和所述源域特征向量确定源域样本集同分布信息；将所述源域样本集同分布信息输入神经网络模型，得到预测标签信息；根据所述预测标签信息和所述第二标签信息生成的目标函数训练所述神经网络模型的参数；返回执行将所述源域样本集同分布信息输入神经网络模型，得到预测标签信息的操作，直至得到第二反洗钱监控模型。4.根据权利要求3所述的方法，其特征在于，将所述目标域样本集输入所述目标反洗钱监控模型，得到所述目标域样本集对应的目标标签信息包括：将所述目标域样本集输入所述第一反洗钱监控模型，得到第一目标标签信息；根据所述转换矩阵和所述目标域特征向量确定目标域样本集同分布信息；将所述目标域样本集同分布信息输入所述第二反洗钱监控模型，得到第二目标标签信息；根据所述第一目标标签信息和所述第二目标标签信息确定目标标签信息。
5.根据权利要求4所述的方法，其特征在于，根据所述第一反洗钱监控模型和所述第二反洗钱监控模型确定目标反洗钱模型，包括：获取所述源域样本集同分布信息和所述目标域样本集同分布信...

【专利技术属性】
技术研发人员：睢璐璐，王艳歌，王峰，徐珺祺，宋聪，郭宁，姚帆，吴雄飞，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：