洗钱交易的识别方法及装置制造方法及图纸

本发明专利技术可用于金融领域中的大数据技术领域，本发明专利技术实施例提供一种洗钱交易的识别方法及装置，对应的方法包括：提取预生成的洗钱行为识别初始模型中的指标值，所述洗钱行为识别模型由多个交易规则组成，且所述交易规则包括至少一个所述指标值；根据所述指标值确定其对应的交易规则的离散表征参数；根据所述离散表征参数对所述洗钱行为识别初始模型进行训练，以识别所述洗钱交易。本发明专利技术克服了现有反洗钱模型阈值调优效果精度不足、效率低下以及时效性不强的问题。性不强的问题。性不强的问题。

【技术实现步骤摘要】
洗钱交易的识别方法及装置


[0001]本专利技术涉及大数据
，具体涉及洗钱交易的识别方法及装置。

技术介绍

[0002]反洗钱是金融系统的重要监管要求和应当履行的义务，因此各个金融机构均有建设反洗钱系统。反洗钱系统的一项主要业务是可疑交易监测，即通过反洗钱模型对每天全量交易进行分析，找出交易模式与洗钱行为接近的客户，然后通过业务人员的人工甄别，人工排除无可疑行为的客户，最终将确定存在洗钱行为的客户上报至对应的反洗钱监测中心。
[0003]在现有技术中，可疑交易甄别的业务流程分为两个阶段，第一个阶段是通过反洗钱系统中的模型对全量业务交易进行分析计算，从海量数据中找到交易模式符合洗钱行为的客户作为人工甄别的范围，第二个阶段是业务人员对这些客户进行人工甄，排除无可疑客户，上报确定可疑客户至反洗钱监测中心。
[0004]可以理解的是，第一阶段中的反洗钱模型准确性非常重要，如果相关阈值设置不当，将会产生大量无效的待甄别客户，直接造成第二阶段人工甄别的工作量增多。因此为了提升模型的准确性，同时减少反洗钱业务人员的无效工作，需要定期对反洗钱模型规则的阈值进行优化调整，一般会安排相关业务专家人工完成。调整的目标是，在保证上报客户被命中的前提下，尽量减少误中的客户数量。
[0005]上述方法中，存在以下三个技术痛点：
[0006]第一、优化反洗钱模型阈值工作需要依赖业务专家的人工分析判断，涉及多个维度的阈值，同时各个维度阈值间还存在关联，在人工处理时无法进行全面的分析并获得最优解，导致调整工作存在片面性和精准度不足的问题。
[0007]第二、阈值优化过程中需要反复调整尝试多个阈值的修改并查看运行结果，目前均由人工操作，成本非常高，效率极为低下。
[0008]第三、由于人工阈值优化操作效率低，一般调整需要2
‑
3周才能完成一轮调整，进而导致模型阈值的调整工作无法高频次开展，使模型阈值无法及时与客户行为的变化相匹配，导致模型时效性不足。

技术实现思路

[0009]本专利技术可用于大数据技术在金融方面应用的
，也可用于除金融领域之外的任意领域，针对现有技术中的问题，本申请提供一种洗钱交易的识别方法及装置，避免了在优化反洗钱模型阈值过程中，依靠人工经验和直觉判断的局限性。本专利技术候选阈值形成组合批量试算过程中借鉴了机器学习领域网格搜索的思路，尽可多的尝试候选阈值组合，更加接近最优解。
[0010]为解决上述技术问题，本申请提供以下技术方案：
[0011]第一方面，本申请提供一种洗钱交易的识别方法，包括：
[0012]提取预生成的洗钱行为识别初始模型中的指标值，所述洗钱行为识别模型由多个交易规则组成，且所述交易规则包括至少一个所述指标值；
[0013]根据所述指标值确定其对应的交易规则的离散表征参数；
[0014]根据所述离散表征参数对所述洗钱行为识别初始模型进行训练，以识别所述洗钱交易。
[0015]进一步地，所述提取预生成的洗钱行为识别初始模型中的指标值包括：
[0016]对所述洗钱行为识别初始模型进行模型规则计算，以提取所述指标值。
[0017]进一步地，所述根据所述指标值确定其对应的交易规则的离散表征参数，包括：
[0018]根据所述交易规则中的至少一个指标值形成所述交易规则对应的随机变量序列；
[0019]根据所述随机变量序列计算所述离散表征参数。
[0020]进一步地，所述离散表征参数包括所述交易规则的标准差，根据所述随机变量序列计算所述离散表征参数包括：
[0021]计算所述随机变量序列的方差；
[0022]根据所述随机变量序列的方差计算所述交易规则的标准差。
[0023]进一步地，根据所述离散表征参数对所述洗钱行为识别初始模型进行训练，以识别所述洗钱交易，包括：
[0024]根据所述离散表征参数以及预设的阈值范围的大小关系对所述洗钱行为识别初始模型进行训练。
[0025]进一步地，所述根据所述离散表征参数以及预设的阈值范围的大小关系对所述洗钱行为识别初始模型进行训练，包括：
[0026]当所述离散表征参数超过所述预设的第一阈值范围时，修改所述交易规则中指标值对应的阈值；
[0027]根据修改后的交易规则中指标值对应的阈值对所述洗钱行为识别初始模型进行训练。
[0028]进一步地，所述修改所述交易规则中指标值对应的阈值包括：
[0029]计算所述交易规则中指标值的中位表征参数；
[0030]根据所述中位表征参数以及预设的第二阈值范围的大小关系修改所述交易规则中指标值对应的阈值。
[0031]第二方面，本申请提供一种洗钱交易的识别装置，包括：
[0032]指标值提取模块，用于提取预生成的洗钱行为识别初始模型中的指标值，所述洗钱行为识别模型由多个交易规则组成，且所述交易规则包括至少一个所述指标值；
[0033]离散表征参数确定模块，用于根据所述指标值确定其对应的交易规则的离散表征参数；
[0034]洗钱交易识别模块，用于根据所述离散表征参数对所述洗钱行为识别初始模型进行训练，以识别所述洗钱交易。
[0035]进一步地，洗钱交易的识别装置还包括：
[0036]指标值提取子模块，用于提取预生成的洗钱行为识别初始模型中的指标值；
[0037]所述指标值提取子模块包括：
[0038]指标值提取单元，用于对所述洗钱行为识别初始模型进行模型规则计算，以提取
所述指标值。
[0039]进一步地，所述离散表征参数确定模块包括：
[0040]随机变量序列形成单元，用于根据所述交易规则中的至少一个指标值形成所述交易规则对应的随机变量序列；
[0041]离散表征参数确定单元，用于根据所述随机变量序列计算所述离散表征参数。
[0042]进一步地，所述离散表征参数包括所述交易规则的标准差，所述离散表征参数确定单元包括：
[0043]方差计算单元，用于计算所述随机变量序列的方差；
[0044]标准差计算单元，用于根据所述随机变量序列的方差计算所述交易规则的标准差。
[0045]进一步地，所述洗钱交易识别模块包括：
[0046]洗钱交易识别单元，用于根据所述离散表征参数以及预设的阈值范围的大小关系对所述洗钱行为识别初始模型进行训练。
[0047]进一步地，所述洗钱交易识别单元包括：
[0048]阈值修改单元，用于当所述离散表征参数超过所述预设的第一阈值范围时，修改所述交易规则中指标值对应的阈值；
[0049]模型训练单元，用于根据修改后的交易规则中指标值对应的阈值对所述洗钱行为识别初始模型进行训练。
[0050]进一步地，所述阈值修改单元包括：
[0051]中位表征参数计算单元，用于计算所述交易规则中指标值的中位表征参数；
[0052]阈值修改子单元，用于根据所述中位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种洗钱交易的识别方法，其特征在于，包括：提取预生成的洗钱行为识别初始模型中的指标值，所述洗钱行为识别模型由多个交易规则组成，且所述交易规则包括至少一个所述指标值；根据所述指标值确定其对应的交易规则的离散表征参数；根据所述离散表征参数对所述洗钱行为识别初始模型进行训练，以识别所述洗钱交易。2.根据权利要求1所述的洗钱交易的识别方法，其特征在于，所述提取预生成的洗钱行为识别初始模型中的指标值包括：对所述洗钱行为识别初始模型进行模型规则计算，以提取所述指标值。3.根据权利要求1所述的洗钱交易的识别方法，其特征在于，所述根据所述指标值确定其对应的交易规则的离散表征参数，包括：根据所述交易规则中的至少一个指标值形成所述交易规则对应的随机变量序列；根据所述随机变量序列计算所述离散表征参数。4.根据权利要求3所述的洗钱交易的识别方法，其特征在于，所述离散表征参数包括所述交易规则的标准差，根据所述随机变量序列计算所述离散表征参数包括：计算所述随机变量序列的方差；根据所述随机变量序列的方差计算所述交易规则的标准差。5.根据权利要求1所述的洗钱交易的识别方法，其特征在于，根据所述离散表征参数对所述洗钱行为识别初始模型进行训练，以识别所述洗钱交易，包括：根据所述离散表征参数以及预设的阈值范围对所述洗钱行为识别初始模型进行训练。6.根据权利要求5所述的洗钱交易的识别方法，其特征在...

【专利技术属性】
技术研发人员：张国宇，
申请(专利权)人：工银科技有限公司，
类型：发明
国别省市：