【技术实现步骤摘要】
反洗钱识别方法、装置、计算机设备及存储介质
[0001]本专利技术涉及人工智能
，特别涉及一种反洗钱识别方法、装置、计算机设备及存储介质。
技术介绍
[0002]网络经济和电子商务的快速发展在其为人们便利的同时，其隐匿、快速的特点很容易成为犯罪分子转移非法资金的重要途径。因此，对网络金融活动反洗钱问题进行识别和防范具有重要意义。现有的洗钱识别方案是基于公安部、外交部等指定的洗钱高风险人员名单识别监控，并基于已被发现的反洗钱案件人工进行特征分析，制定规则，以筛选出疑似洗钱交易。然而，由于每天交易数据庞大,涉嫌洗钱交易用户情形复杂，疑似洗钱判定特征不明显，因此难以有针对性地指定合理的识别规则。同时由于涉嫌洗钱交易(正样本)的样本量极少，分析和抽象出规律较为困难，因此对可疑交易监测分析的可利用性较低，现实应用效果不佳。
技术实现思路
[0003]本专利技术的目的是提供一种能够准确及时地识别出交易行为中洗钱风险的技术方案，以解决现有技术中存在的洗钱样本量低以及对洗钱交易识别效果不佳的问题。
[0004]...
【技术保护点】
【技术特征摘要】
1.一种反洗钱识别方法，其特征在于，包括以下步骤：获取多个用户的交易记录样本，对所述交易记录样本进行预处理以符合第一规则要求；其中，所述第一规则要求包括样本数量要求、样本平滑度要求、样本稀疏性要求以及正负样本比例要求中的任意一项或多项；获取所述交易记录样本中包含的第一样本特征，利用卷积神经网络训练预备识别模型，根据所述预备识别模型对于所述第一样本特征的输出数据从所述第一样本特征中选取第二样本特征；其中，所述第一样本特征的数量大于所述第二样本特征的数量；利用lightGBM模型和Catboost模型从所述第二样本特征中选取第三样本特征，其中，所述第二样本特征的数量大于所述第三样本特征的数量；利用所述第三样本特征分别对所述卷积神经网络模型、所述lightGBM模型以及CatboostCatboost模型进行训练，以得到第一识别模型、第二识别模型和第三识别模型；将目标用户的当前交易记录分别输入所述第一识别模型、所述第二识别模型和所述第三识别模型，根据所述第一识别模型、所述第二识别模型和所述第三识别模型的输出结果确定所述目标用户的交易行为是否存在洗钱风险。2.根据权利要求1所述的反洗钱识别方法，其特征在于，所述获取多个用户的交易记录样本，对所述交易记录样本进行预处理以符合第一规则要求的步骤包括：基于PAC算法，确定所述预备识别模型的输出达到第一精度时所需要的第一样本数量；获取第一样本数量的所述交易记录样本，对所述交易记录样本进行归一化处理；对经过归一化处理的所述交易记录样本进行不同维度的组合，得到交易组合样本；基于数据增强算法增加所述交易组合样本中包含的正样本数量，以使所述交易组合样本中的正样本数量和负样本数量的比值达到第一比例；其中，所述正样本指的是确定存在洗钱风险的样本。3.根据权利要求2所述的反洗钱识别方法，其特征在于，所述基于数据增强算法增加所述交易组合样本中包含的正样本数量的步骤包括：确定所述交易组合样本中已有的第一正样本的第一分布规律；根据所述第一分布规律生成新的第二正样本；所述第二正样本的第二分布规律和所述第一分布规律相匹配。4.根据权利要求1
‑
3中任一项所述的反洗钱识别方法，其特征在于，所述获取所述交易记录样本中包含第一样本特征，利用卷积神经网络训练预备识别模型，根据所述预备识别模型对于所述第一样本特征的输出数据从所述第一样本特征中选取第二样本特征的步骤包括：利用两种或两种以上特征评估算法确定所述第一样本特征对于所述预备识别模型的重要程度排序，以获得多个排序列表；根据所述多个排序列表中包含的第一样本特征中筛选所述第二样本特征。5.根据权利要求4所述的反洗钱识别方法，其特征在于，所述利用lightGBM模型和Catboost模型从所述第二样本特征中选取第三样本特征的步骤包括：利用所述第二样本特征分别训练lightGBM模型和C...
【专利技术属性】
技术研发人员：胥嘉栋，朱斌，傅群慧，朱尧，
申请(专利权)人：平安付科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。