CN106547838A - 基于资金网络监测可疑资金交易的方法 - Google Patents

基于资金网络监测可疑资金交易的方法 Download PDF

Info

Publication number
CN106547838A
CN106547838A CN201610895616.9A CN201610895616A CN106547838A CN 106547838 A CN106547838 A CN 106547838A CN 201610895616 A CN201610895616 A CN 201610895616A CN 106547838 A CN106547838 A CN 106547838A
Authority
CN
China
Prior art keywords
transaction
suspicious
agent
main body
funds
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610895616.9A
Other languages
English (en)
Other versions
CN106547838B (zh
Inventor
梁凯鹏
贾皓立
陈庆国
宋萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING YINFENG XINRONG TECHNOLOGY DEVELOPMENT Co Ltd
Original Assignee
BEIJING YINFENG XINRONG TECHNOLOGY DEVELOPMENT Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING YINFENG XINRONG TECHNOLOGY DEVELOPMENT Co Ltd filed Critical BEIJING YINFENG XINRONG TECHNOLOGY DEVELOPMENT Co Ltd
Priority to CN201610895616.9A priority Critical patent/CN106547838B/zh
Publication of CN106547838A publication Critical patent/CN106547838A/zh
Application granted granted Critical
Publication of CN106547838B publication Critical patent/CN106547838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Abstract

本发明公开了一种基于资金网络监测可疑资金交易的方法,以可疑资金交易中的客户主体和交易对象主体为起点,以每天的交易流水为依据,监测未来一定时期内与本可疑资金交易相关联的其它资金交易,以相关联主体为点,以资金交易为边构造资金网络,然后以资金网络与多主体模型数据库相匹配来监测可疑资金交易,不仅为可疑资金交易监测提供了便利,提高了监测可疑资金交易的准确率,还能将原来相互独立的资金交易异常环节集成在一个环境中,极大的丰富了我们开展可疑资金交易识别工作的素材和手段。

Description

基于资金网络监测可疑资金交易的方法
技术领域
本发明涉及可疑资金交易监测领域,尤其涉及一种基于资金网络监测可疑资金交易的方法。
背景技术
国外反洗钱监管与实践的工作起步较早,可疑甄别的方法和手段相对丰富和成熟,主要的方式以行为特征为基础的规则量化为主体,另外存在一些相对先进的,如异常监测、数据挖掘等先进的探索性方法,但是不能完全适应中国监管特点。
国内对于可疑交易的甄别,目前主要的业务思路是基于规则的思想,即以人民银行2006年2号令《金融机构大额交易和可疑交易报告管理办法》为依据,针对其中的4条大额,18条可疑规则进行单一规则的监测;近年来,金融机构的可疑分析和量化水平也在不断提升,比如建立符合我国特点的反洗钱风险度量指标体系,并使用规则引擎进行设计与实现。
但是,基于规则的判别方式,主要通过对已经发生过的案件进行分析和特征统计后,得到一些规律性的数据标准,如果后续发生的交易符合这些规律,即认为触发可疑。比如可疑规则中的“短期内资金分散转入、集中转出”中的集中与分散的量化,给出了集中是1~3次,分散理解分为两方面考虑:一是次数是平时的3倍以上,二是分散次数一般在10次以上;这种方法主要存在如下的缺点和不足:
1.不能适应洗钱手法的快速多变,误报率高,触发标准报警的交易实际上大都属于正常经营行为,徒然消耗调查人员的时间精力;从一些典型商业银行的实践来看,系统预警的可疑交易,经人工排除的比例在70%,甚至90%以上。
2.监测规则单一化,从实际的洗钱案件来看,都是包括多种交易情形,既有分散入,集中出,又有过渡户性质。
3.监测维度单一化,主要集中在交易层面单一维度监测;缺少客户、账户层面上的监测点。
4.缺乏与犯罪可疑行为的关联性,监测结果无法直观区分出涉嫌哪一种犯罪可疑行为,不便于可疑分析。
5.只能监测个体,不能监测群体,无法监测资金网络。
6.随着业务的不断发展、洗钱手法的不断变化,需要持续地更新规则知识库,以适应形势的发展;
7.关注特征环节,规则所描述的一般是交易行为单点的异常环节;
8.规则所提取的资金流动路径较短。
发明内容
本发明的目的在于提供一种基于资金网络监测可疑资金交易的方法,能够有效提高监测可疑资金交易的准确率,并将原来相互独立的资金交易异常环节集成在一个环境中,极大的丰富了我们开展可疑资金交易识别工作的素材和手段。
本发明的内容为:一种基于资金网络监测可疑资金交易的方法,包括如下步骤:
(1).建立规则数据库和多主体模型数据库,规则数据库包括反洗钱法律法规中所规定的可疑洗钱规则,多主体模型数据库包括具体洗钱案例中多个相关联的交易主体的角色、每个交易主体的行为特征和每个交易主体所违反的可疑洗钱规则;
(2).对资金交易进行信息提取,提取信息包括客户主体、客户主体的行为特征和交易对象主体;
(3).对信息提取后的客户主体的行为特征和规则数据库进行匹配,识别资金交易是否为可疑预警交易;
(4).以可疑预警交易中的客户主体和交易对象主体为起点,以每天的交易流水为依据,监测未来一定时期内与本可疑预警交易相关联的其它资金交易,以相关联交易主体为点,以资金交易为边构造资金网络,资金网络中的每个交易主体包括交易主体的角色和交易主体的行为特征;
(5).将资金网络中的多个交易主体的角色和行为特征与多主体模型数据库进行匹配,识别多主体可疑案例。
进一步地所述步骤(1)中多主体模型数据库中还包括触发频率较为频繁的多个可疑洗钱规则以及不同可疑洗钱规则所分配的权值。
进一步地所述步骤(5)中,当多主体模型数据库中的可疑洗钱规则被触发后,对被触发后的可疑洗钱规则相对应的权值进行累加,当其权值累加达到一定阈值,即构成对多主体模型的触发,从而形成多主体可疑案例。
本发明的有益效果为:通过构建资金网络,并且以资金网络与主体模型数据库相匹配来监测可疑资金交易的方法,不仅为可疑资金交易监测提供了便利,提高了监测可疑资金交易的准确率,还能将原来相互独立的资金交易异常环节集成在一个环境中,极大的丰富了我们开展可疑资金交易识别工作的素材和手段。
说明书附图
图1为本发明的流程图;
图2为本发明所述的资金网络构建步骤框图。
具体实施方式
下面结合附图1、图2和实施例对本发明作进一步详细的说明。
一种基于资金网络监测可疑资金交易的方法,包括以下步骤:
(1).建立规则数据库和多主体模型数据库,规则数据库包括反洗钱法律法规中所规定的可疑洗钱规则,多主体模型数据库包括具体洗钱案例中多个相关联的交易主体的角色、每个交易主体的行为特征和每个交易主体所违反的可疑洗钱规则。
以人民银行2006年2号令《金融机构大额交易和可疑交易报告管理办法》为依据,针对其中的4条大额,18条可疑规则进行数据化可构建规则数据库,根据多年金融机构数据库存储的洗钱可疑案例对洗钱案例中多个相关联的交易主体的角色、每个交易主体的行为特征和每个交易主体所违反的可疑洗钱规则等信息进行数据提取、提炼,进而构建多主体模型数据库。
(2).对资金交易进行信息提取,提取信息包括客户主体、客户主体的行为特征和交易对象主体。
客户主体分为自然人客户主体和法人客户主体,对客户主体的基本信息进行提取,提取自然人客户主体的账号、姓名、性别、国籍、职业、住所地址、联系方式和身份证明的种类、号码和有效期限等,提取法人客户主体中的法人代表的信息,提取法人代表信息内容与提取自然人客户主体信息相同。
客户主体的行为特征信息主要包括交易的流水号、金融网点、账户、交易金额、币种、交易手段、交易类型、交易时间、资金来源、资金用途等信息。
交易对象主体的基本信息与客户主体的基本信息相同。
(3).对信息提取后的客户主体的行为特征和规则数据库进行匹配,识别资金交易是否为可疑预警交易。
通过SQL语句查询等计算机软件领域常用方法利用客户主体的行为特征与规则数据库的可疑洗钱规则进行匹配,如果匹配成功,则该资金交易即为可疑预警交易。
(4).以可疑预警交易中的客户主体和交易对象主体为起点,以每天的交易流水为依据,监测未来一定时期内与本可疑预警交易相关联的其它资金交易,以相关联主体为点,以资金交易为边构造资金网络,资金网络中的每个交易主体包括交易主体的角色和交易主体的行为特征。
在真实的洗钱案件中,很多的洗钱行为,都会形成一个相对复杂的资金流动场景(网络),交易主体(节点)多,资金交易(边)多,并且会呈现出某种结构性异常,资金的流动网络越复杂,越有规律,有问题的可能性越大。通过监测未来一定时期内与本可疑预警交易相关联的其它资金交易,以相关联的交易主体为点,以资金交易为边构造资金网络,追踪资金路径,发现交易群体;构建资金网络,对资金网络进行分析监测,构建关联的、综合的场景,并从多种视角进行分析,是识别重点可疑洗钱案例的一个有效途径。
网络是基于预警规则产生的交易,通过找交易对手的方式将多个客户的交易放到同一个网络ID中。
构建资金网络的具体步骤为:
1).资金网络预处理:数据范围,监测到的一定时期内可疑资金交易的交易流水;数据去重,转账交易中A->B,B->A的情况,多笔转账交易A->B的情况;
2).增量资金网络的构建:交易主体方出现多次,交易对手方出现多次;
3).形成网络对象关系:将网络下的交易主体、交易对手以及交易主体和交易对手的行为特征与本网络ID形成键、值关系;并进行数据去重;
4).追加历史网络对象关系:可选环节,对于需要将历史遗留的资金网络一起合并的情况,将历史遗留的网络对象关系追加至初始网络的网络对象关系中;
5).生成临时网络关联关系:对于单一商业银行而言,仅能扑捉到行内的交易,因此根据每个银行的交易流水会形成一个单独的小型资金网络,可以通过交易主体和交易对手等对象形成多个网络间的关联关系;
6).确定网络关联关系:按照网络ID逐个网络合并,最终形成一个对象数量最多的网络即为生成的资金网络。
7).保留结果数据:保留资金网络对象关系,保留资金网络交易流水。
(5).将资金网络中的多个交易主体的角色和每个交易主体的行为特征与多主体模型数据库进行匹配,识别多主体可疑案例。
多主体模型的监测,在建立资金网络之后,对其中多个主体进行组合监测的出发点是,即找到有关联的主体(客户主体、对象主体)的基础之上,然后将相关主体放置在一个场景中,组合监测多个主体违反的可疑洗钱规则,从而从更广泛的角度监测可能存在的洗钱场景。如表1所示,多主体模型数据库中包括触发频率较为频繁的可疑洗钱规则集合,可疑洗钱规则集合包括有不同可疑洗钱规则所分配的权值,而表明其对模型整体的影响程度,当资金网络中的多个交易主体的角色和每个交易主体的行为特征与多主体模型数据库进行匹配时,多个可疑洗钱规则会被触发,其权值累加达到一定阈值后,即构成对多主体模型的触发,从而形成可疑的洗钱案例。
可疑洗钱规则 权值
关联公司 4
法人非实际控制人 6
注册资本金少 10
短期内出现大量资金流动 8
代理人开立大量账户 6
跳板账户 8
疑似测试交易 3
与注册资本金严重不符的大额交易 8
大量公转私 10
短期内相同收付款人之间频繁发生 4
分散转入,集中转出 6
同一IP地址登陆多个网银 8
网络中主体众多 10
网络资金流量大 4
网络中资金流速快 5
表1
本实施例所述的基于资金网络监测可疑资金交易的方法,是依据对众多真实案件场景进行分析,近年多发的地下钱庄、非法集资等案件,相对于单一规则的描述方式,普遍存在如下特点:
1.由众多环节构成的交易场景。
2.存在多种特征,存在交易群体及关键个体。
3.资金往来复杂,存在复杂的资金网络。
透过资金网络,不仅可以直接了解到网络中某个客户、某笔交易,还能关联的看客户所违反的可疑规则,从而将原来相互独立的异常环节,集成在一个环境中,从而极大的丰富了我们开展反洗钱可疑识别工作的素材和手段。
本实施例所述的基于资金网络监测可疑资金交易的方法中还在包括步骤(3)之后监测未来一定时期内可疑资金交易中的客户主体的多个行为特征,建立单主体客户模型,然后对单主体客户模型的多个行为特征与规则数据库中的可疑洗钱规则进行匹配直接生成单主体可疑案例的步骤。
本实施例可以利用目前任何主流的计算机软件编程语言进行实现。
通过本方法的引入和使用,相比传统的反洗钱可疑甄别监测手段,极大提升了系统的监测能力、覆盖范围、效率和数据处理能力,增强了监测分析手段,提高了系统监测的准确性和有效性;可降低整体交易范围内的报警率,即原始交易中涉及可疑的交易比率;提高了线索的可疑率,及系统识别后确认为真正可疑的比例;降低了偏离率,即遗漏的可疑交易比例。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (3)

1.一种基于资金网络监测可疑资金交易的方法,其特征在于包括如下步骤:
(1).建立规则数据库和多主体模型数据库,规则数据库包括反洗钱法律法规中所规定的可疑洗钱规则,多主体模型数据库包括具体洗钱案例中多个相关联的交易主体的角色、每个交易主体的行为特征和每个交易主体所违反的可疑洗钱规则;
(2).对资金交易进行信息提取,提取信息包括客户主体、客户主体的行为特征和交易对象主体;
(3).对信息提取后的客户主体的行为特征和规则数据库进行匹配,识别资金交易是否为可疑预警交易;
(4).以可疑预警交易中的客户主体和交易对象主体为起点,以每天的交易流水为依据,监测未来一定时期内与本可疑资金交易相关联的其它预警交易,以相关联交易主体为点,以资金交易为边构造资金网络,资金网络中的每个交易主体包括交易主体的角色和交易主体的行为特征;
(5).将资金网络中的多个交易主体的角色和行为特征与多主体模型数据库进行匹配,识别多主体可疑案例。
2.如权利要求1所述的一种基于资金网络监测可疑资金交易的方法,其特征在于:所述步骤(1)中多主体模型数据库中还包括触发频率较为频繁的多个可疑洗钱规则以及不同可疑洗钱规则所分配的权值。
3.如权利要求2所述的一种基于资金网络监测可疑资金交易的方法,其特征在于:所述步骤(5)中,当多主体模型数据库中的可疑洗钱规则被触发后,对被触发后的可疑洗钱规则相对应的权值进行累加,当其权值累加达到一定阈值,即构成对多主体模型的触发,从而形成多主体可疑案例。
CN201610895616.9A 2016-10-14 2016-10-14 基于资金网络监测可疑资金交易的方法 Active CN106547838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610895616.9A CN106547838B (zh) 2016-10-14 2016-10-14 基于资金网络监测可疑资金交易的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610895616.9A CN106547838B (zh) 2016-10-14 2016-10-14 基于资金网络监测可疑资金交易的方法

Publications (2)

Publication Number Publication Date
CN106547838A true CN106547838A (zh) 2017-03-29
CN106547838B CN106547838B (zh) 2019-06-18

Family

ID=58368723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610895616.9A Active CN106547838B (zh) 2016-10-14 2016-10-14 基于资金网络监测可疑资金交易的方法

Country Status (1)

Country Link
CN (1) CN106547838B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358360A (zh) * 2017-07-14 2017-11-17 成都农村商业银行股份有限公司 反洗钱系统的异常业务数据筛选方法
CN107679979A (zh) * 2017-08-31 2018-02-09 苏州凌旭信息科技有限公司 一种银行账单分析决策系统
CN108053087A (zh) * 2017-10-20 2018-05-18 深圳前海微众银行股份有限公司 反洗钱监测方法、设备及计算机可读存储介质
CN108363780A (zh) * 2018-02-11 2018-08-03 悦锦软件系统(上海)有限公司 一种反洗钱的规则引擎及方法
CN108376366A (zh) * 2018-02-07 2018-08-07 平安科技(深圳)有限公司 一种反洗钱模型的运算方法、存储介质和服务器
CN108446979A (zh) * 2018-02-27 2018-08-24 平安科技(深圳)有限公司 非法传销组织的监测方法、装置、计算机设备及存储介质
CN108682088A (zh) * 2018-05-14 2018-10-19 平安科技(深圳)有限公司 基于atm的跨境异常交易的确定方法及装置
CN109242658A (zh) * 2018-06-05 2019-01-18 平安科技(深圳)有限公司 可疑交易报告生成方法、系统、计算机设备和存储介质
CN109918541A (zh) * 2018-12-21 2019-06-21 厦门市美亚柏科信息股份有限公司 分析系统内数据传输路径的方法、装置及计算机可读介质
CN109919454A (zh) * 2019-02-20 2019-06-21 中国银行股份有限公司 反洗钱监控方法及系统
CN109934706A (zh) * 2017-12-15 2019-06-25 阿里巴巴集团控股有限公司 一种基于图结构模型的交易风险控制方法、装置以及设备
CN110020865A (zh) * 2019-01-17 2019-07-16 阿里巴巴集团控股有限公司 交易识别方法及装置
CN110659989A (zh) * 2019-09-10 2020-01-07 马洪富 一种主动探索式合规反洗钱方法、装置、系统及存储介质
CN111047426A (zh) * 2019-11-26 2020-04-21 智器云南京信息科技有限公司 一种基于资金交易的可疑账户分析方法、系统及存储介质
CN111242763A (zh) * 2020-01-07 2020-06-05 北京明略软件系统有限公司 一种目标用户群的确定方法及装置
CN111400614A (zh) * 2020-01-08 2020-07-10 上海观安信息技术股份有限公司 一种基于资金交易数据的涉案集群查找的方法
CN112132675A (zh) * 2020-09-29 2020-12-25 中国银行股份有限公司 清算入账处理方法及装置
CN112465638A (zh) * 2020-11-16 2021-03-09 中科金审(北京)科技有限公司 一种资金交易拆分组合的链路追踪的方法
CN113204716A (zh) * 2021-05-26 2021-08-03 中国光大银行股份有限公司 可疑洗钱用户交易关系确定方法及装置
US11526936B2 (en) 2017-12-15 2022-12-13 Advanced New Technologies Co., Ltd. Graphical structure model-based credit risk control

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030033228A1 (en) * 2000-11-30 2003-02-13 Rowan Bosworth-Davies Countermeasures for irregularities in financial transactions
CN101706930A (zh) * 2009-10-22 2010-05-12 杭州信雅达科技有限公司 基于本体论的反洗钱预警方法
CN101714273A (zh) * 2009-05-26 2010-05-26 北京银丰新融科技开发有限公司 一种基于规则引擎的银行异常业务监控方法和系统
CN104867055A (zh) * 2015-06-16 2015-08-26 咸宁市公安局 一种金融网络可疑资金追踪与识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030033228A1 (en) * 2000-11-30 2003-02-13 Rowan Bosworth-Davies Countermeasures for irregularities in financial transactions
CN101714273A (zh) * 2009-05-26 2010-05-26 北京银丰新融科技开发有限公司 一种基于规则引擎的银行异常业务监控方法和系统
CN101706930A (zh) * 2009-10-22 2010-05-12 杭州信雅达科技有限公司 基于本体论的反洗钱预警方法
CN104867055A (zh) * 2015-06-16 2015-08-26 咸宁市公安局 一种金融网络可疑资金追踪与识别方法

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358360A (zh) * 2017-07-14 2017-11-17 成都农村商业银行股份有限公司 反洗钱系统的异常业务数据筛选方法
CN107679979A (zh) * 2017-08-31 2018-02-09 苏州凌旭信息科技有限公司 一种银行账单分析决策系统
CN108053087A (zh) * 2017-10-20 2018-05-18 深圳前海微众银行股份有限公司 反洗钱监测方法、设备及计算机可读存储介质
US11526936B2 (en) 2017-12-15 2022-12-13 Advanced New Technologies Co., Ltd. Graphical structure model-based credit risk control
US11526766B2 (en) 2017-12-15 2022-12-13 Advanced New Technologies Co., Ltd. Graphical structure model-based transaction risk control
CN109934706B (zh) * 2017-12-15 2021-10-29 创新先进技术有限公司 一种基于图结构模型的交易风险控制方法、装置以及设备
CN109934706A (zh) * 2017-12-15 2019-06-25 阿里巴巴集团控股有限公司 一种基于图结构模型的交易风险控制方法、装置以及设备
CN108376366A (zh) * 2018-02-07 2018-08-07 平安科技(深圳)有限公司 一种反洗钱模型的运算方法、存储介质和服务器
CN108363780A (zh) * 2018-02-11 2018-08-03 悦锦软件系统(上海)有限公司 一种反洗钱的规则引擎及方法
WO2019165670A1 (zh) * 2018-02-27 2019-09-06 平安科技(深圳)有限公司 非法传销组织的监测方法、装置、计算机设备及存储介质
CN108446979A (zh) * 2018-02-27 2018-08-24 平安科技(深圳)有限公司 非法传销组织的监测方法、装置、计算机设备及存储介质
CN108682088A (zh) * 2018-05-14 2018-10-19 平安科技(深圳)有限公司 基于atm的跨境异常交易的确定方法及装置
WO2019232953A1 (zh) * 2018-06-05 2019-12-12 平安科技(深圳)有限公司 可疑交易报告生成方法、系统、计算机设备和存储介质
CN109242658B (zh) * 2018-06-05 2023-05-30 平安科技(深圳)有限公司 可疑交易报告生成方法、系统、计算机设备和存储介质
CN109242658A (zh) * 2018-06-05 2019-01-18 平安科技(深圳)有限公司 可疑交易报告生成方法、系统、计算机设备和存储介质
CN109918541A (zh) * 2018-12-21 2019-06-21 厦门市美亚柏科信息股份有限公司 分析系统内数据传输路径的方法、装置及计算机可读介质
CN110020865A (zh) * 2019-01-17 2019-07-16 阿里巴巴集团控股有限公司 交易识别方法及装置
CN109919454A (zh) * 2019-02-20 2019-06-21 中国银行股份有限公司 反洗钱监控方法及系统
CN110659989A (zh) * 2019-09-10 2020-01-07 马洪富 一种主动探索式合规反洗钱方法、装置、系统及存储介质
CN111047426A (zh) * 2019-11-26 2020-04-21 智器云南京信息科技有限公司 一种基于资金交易的可疑账户分析方法、系统及存储介质
CN111242763A (zh) * 2020-01-07 2020-06-05 北京明略软件系统有限公司 一种目标用户群的确定方法及装置
CN111400614A (zh) * 2020-01-08 2020-07-10 上海观安信息技术股份有限公司 一种基于资金交易数据的涉案集群查找的方法
CN112132675A (zh) * 2020-09-29 2020-12-25 中国银行股份有限公司 清算入账处理方法及装置
CN112465638A (zh) * 2020-11-16 2021-03-09 中科金审(北京)科技有限公司 一种资金交易拆分组合的链路追踪的方法
CN113204716A (zh) * 2021-05-26 2021-08-03 中国光大银行股份有限公司 可疑洗钱用户交易关系确定方法及装置

Also Published As

Publication number Publication date
CN106547838B (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
CN106547838B (zh) 基于资金网络监测可疑资金交易的方法
Li et al. Identifying the signs of fraudulent accounts using data mining techniques
CN110717816A (zh) 一种基于人工智能技术的全域金融风险知识图谱构建方法
Lopez-Rojas et al. Money laundering detection using synthetic data
CN110781308B (zh) 一种基于大数据构建知识图谱的反欺诈系统
CN112053221A (zh) 一种基于知识图谱的互联网金融团伙欺诈行为检测方法
CN104881783A (zh) 电子银行账户欺诈行为及风险检测方法与系统
CN106530078A (zh) 基于跨行业数据的贷款风险预警方法及系统
CN109472610A (zh) 一种银行交易反欺诈方法及系统、设备和存储介质
CN111159387B (zh) 基于多维度报警信息文本相似度分析的推荐方法
CN108230151A (zh) 一种可疑交易监测方法、装置、设备及存储介质
CN112767136A (zh) 基于大数据的信贷反欺诈识别方法、装置、设备及介质
CN112053222A (zh) 一种基于知识图谱的互联网金融团伙欺诈行为检测方法
CN111798303A (zh) 一种法院被执行人履行能力评估的方法
Shaohui et al. Customer transaction fraud detection using random forest
Min et al. Behavior language processing with graph based feature generation for fraud detection in online lending
Ni et al. A Victim-Based Framework for Telecom Fraud Analysis: A Bayesian Network Model
CN113256121A (zh) 一种人工智能反洗钱方法与系统
CN109242658A (zh) 可疑交易报告生成方法、系统、计算机设备和存储介质
CN115879548B (zh) 一种用于客户身份识别的知识图谱构建方法和系统
CN110111109A (zh) 一种基于大数据的金融反欺诈分析方法
CN115603955A (zh) 异常访问对象识别方法、装置、设备和介质
CN115242441A (zh) 一种基于特征选择和深度神经网络的网络入侵检测方法
Yu et al. Abnormal transaction detection based on graph networks
CN113592505A (zh) 基于组合构建实现可疑交易场景模型识别处理的系统、方法、装置、处理器及其存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant