CN113870009A - 基于图数据库的反洗钱管控方法、装置、系统及存储介质 - Google Patents
基于图数据库的反洗钱管控方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN113870009A CN113870009A CN202111166177.5A CN202111166177A CN113870009A CN 113870009 A CN113870009 A CN 113870009A CN 202111166177 A CN202111166177 A CN 202111166177A CN 113870009 A CN113870009 A CN 113870009A
- Authority
- CN
- China
- Prior art keywords
- account
- transaction
- graph model
- graph
- money laundering
- 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.)
- Pending
Links
- 238000004900 laundering Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000011144 upstream manufacturing Methods 0.000 claims description 28
- 238000012546 transfer Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000007726 management method Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种基于图数据库的反洗钱管控方法、装置、系统及存储介质,方法包括:获取多个银行账户的账户数据集;利用图数据库根据所述账户数据集构建第一图模型,所述第一图模型为交易网络图模型;按照预设规则对所述第一图模型进行查询识别,获得查询结果。本申请基于图数据库的反洗钱管控方法利用图技术对实体间联系的处理优势,能有效识别洗钱网络中的复杂和可疑模式,连接关于账号的孤立、碎片信息,提供全局视野。本申请的方法能有效解决传统技术上报率低、团队识别能力弱、计算能力差等问题,优化调查人员工作人力,优化内部上报审核流程,提高案例识别的精准度,并及时侦测到新型洗钱模式。
Description
技术领域
本发明涉及图数据库技术领域,具体涉及基于图数据库的反洗钱管控方法、装置、系统及存储介质。
背景技术
随着金融业务的发展,传统基于规则策略、依靠人力甄别的反洗钱系统逐渐败下阵来,难以适应线上业务的发展和海量交易数据的处理要求。
首先,基于历史经验的反洗钱系统难对具有复杂交易路径的洗钱行为识别能力弱。近年来,以复杂金融交易实现资金转移的趋势越发明显。而传统反洗钱系统依赖过去的经验总结,难以对不断更新的洗钱模式做出及时判断,特别是具有复杂交易路径的洗钱模式,尤难判断。
其次,传统反洗钱技术难以识别客户在复杂关联网络中的真实角色。银行机构在执行客户身份识别工作时,不仅要了解客户的基础身份信息,更要了解客户的行为特征信息,以及客户之间的交易关联关系。所以,行方有必要搭建关于客户的多维画像,核实、调查、确认与客户有关联关系的其他实体信息。但传统反洗钱技术在关联关系的处理能力上并不叫人满意,无法厘清复杂的客户关系网络和资金流转网络,难以解决多层级的账户关联问题。
最后,传统反洗钱技术误报率和成本高,人力物力浪费严重。传统反洗钱技术往往依赖多年来积累的专家经验,相对缺少大数据分析的支持,准确性和稳定性易受到人为因素的干扰。这也直接导致现有反洗钱系统误报率高、识别能力弱、计算能力差、分析和监管的人力物力成本高等问题。
发明内容
针对现有技术中的技术缺陷,本发明实施例的目的在于提供基于图数据库的反洗钱管控方法、装置、系统及存储介质,以解决背景技术中所提出的技术问题。
为实现上述目的,第一方面,本发明实施例提供了一种基于图数据库的反洗钱管控方法,所述方法包括以下步骤:
获取多个银行账户的账户数据集;
利用图数据库根据所述账户数据集构建第一图模型,所述第一图模型为交易网络图模型;
按照预设规则对所述第一图模型进行查询识别,获得查询结果。
进一步,所述账户数据集包括账户基本信息和账户交易信息;其中,
所述账户基本信息包括账号、开户日期、客户编号和存款余额;
所述账户交易信息包括多级相互关联的交易账户、交易时间和交易金额。
进一步,所述按照预设规则对所述第一图模型进行查询识别,获得查询结果,包括:
确认待检查账户;
根据所述交易金额统计所述待检查账户的总转入金额和总转出金额;
根据所述总转入金额和总转出金额计算所述待检查账户的转账折损率;
若所述转账折损率符合第一设定条件,从所述第一图模型中筛选出所述待检查账户的上游交易账户和下游交易账户,其中,所述上游交易账户的数量不少于M个,所述下游交易账户的数量不大于N个,1≤N≤M,M和N均为正整数;
根据所述上游交易账户和下游交易账户与所述待检查账户之间的关系构建第二图模型,并将所述第二图模型进行可视化显示。
进一步,所述按照预设规则对所述第一图模型进行查询识别,获得查询结果,包括:
执行度中心性算法识别所述第一图模型中度中心性最高的账户并进行对该账户进行第一标记;
执行中介中心性算法识别所述第一图模型中度中中介中心性最高的账户对该账户进行第二标记;
执行紧密中心性算法识别所述第一图模型中度中紧密中心性最高的账户对该账户进行第三标记;
执行PageRank算法识别所述第一图模型中度中PageRank值最高的账户并对该账户进行第四标记。
第二方面,本发明实施例还提供了一种基于图数据库的反洗钱管控装置,所述装置包括:
数据获取模块,用于获取多个银行账户的账户数据集;
图模型构建模块,用于利用图数据库根据所述账户数据集构建第一图模型,所述第一图模型为交易网络图模型;以及
查询识别模块,用于按照预设规则对所述第一图模型进行查询识别,获得查询结果。
进一步,所述账户数据集包括账户基本信息和账户交易信息;其中,
所述账户基本信息包括账号、开户日期、客户编号和存款余额;
所述账户交易信息包括多级相互关联的交易账户、交易时间和交易金额。
进一步,所述查询识别模块具体用于:
确认待检查账户;
根据所述交易金额统计所述待检查账户的总转入金额和总转出金额;
根据所述总转入金额和总转出金额计算所述待检查账户的转账折损率;
若所述转账折损率符合第一设定条件,从所述第一图模型中筛选出所述待检查账户的上游交易账户和下游交易账户,其中,所述上游交易账户的数量不少于M个,所述下游交易账户的数量不大于N个,1≤N≤M,M和N均为正整数;
根据所述上游交易账户和下游交易账户与所述待检查账户之间的关系构建第二图模型,并将所述第二图模型进行可视化显示。
进一步,所述查询识别模块具体用于:
执行度中心性算法识别所述第一图模型中度中心性最高的账户并进行对该账户进行第一标记;
执行中介中心性算法识别所述第一图模型中度中中介中心性最高的账户对该账户进行第二标记;
执行紧密中心性算法识别所述第一图模型中度中紧密中心性最高的账户对该账户进行第三标记;
执行PageRank算法识别所述第一图模型中度中PageRank值最高的账户并对该账户进行第四标记。
第三方面,本申请实施例还提供了一种基于图数据库的反洗钱管控系统,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如第一方面所述的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
实施本发明实施例,具有以下技术效果:
本申请基于图数据库的反洗钱管控方法利用图技术对实体间联系的处理优势,能有效识别洗钱网络中的复杂和可疑模式,连接关于账号的孤立、碎片信息,提供全局视野。
本申请的方法能有效解决传统技术上报率低、团队识别能力弱、计算能力差等问题,优化调查人员工作人力,优化内部上报审核流程,提高案例识别的精准度,并及时侦测到新型洗钱模式。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于图数据库的反洗钱管控方法的流程示意图;
图2是本发明实施例提供的采用第一种方式识别出的具有集中转出/分散转入特征账户的第二图模型;
图3是本发明实施例提供的一种交易网络示意图;
图4是本发明实施例提供的一种基于图数据库的反洗钱管控装置的结构示意图;
图5是本发明实施例提供的一种基于图数据库的反洗钱管控系统的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素,此外,本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义,也可能具有不同含义,其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
应当理解,尽管在本文可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本文范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语" 如果"可以被解释成为"在……时"或"当……时"或"响应于确定"。再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。本申请使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的,或意味着任一个或任何组合。例如,“包括以下至少一个:A、B、 C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A和B和C”,再如,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C; A和B;A和C;B和C;A和B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
应该理解的是,虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,在本文中,采用了诸如S1、S2等步骤代号,其目的是为了更清楚简要地表述相应内容,不构成顺序上的实质性限制,本领域技术人员在具体实施时,可能会先执行S2后执行S1等,但这些均应在本申请的保护范围之内。
图数据库源起欧拉和图理论,也可称为面向/基于图的数据库,对应的英文是Graph Database。图数据库的基本含义是以“图”这种数据结构存储和查询数据,而不是存储图片的数据库。它的数据模型主要是以节点和关系(边) 来体现,也可处理键值对。它的优点是能够快速解决复杂的关系问题。
图具有如下特征:1、包含节点和边;2、节点上有属性(键值对);3、边有名字和方向,并总是有一个开始节点和一个结束节点;4、边也可以有属性。
如图1所示,其示出了一种基于图数据库的反洗钱管控方法,所述方法可以包括以下步骤:
S1:获取多个银行账户的账户数据集。
本实施例中,从银行的数据库中获取1万个银行账户的账户数据集。
本实施例中,所述账户数据集包括账户基本信息和账户交易信息。其中,所述账户基本信息包括账号、开户日期、客户编号和存款余额;所述账户交易信息包括多级相互关联的交易账户、交易时间和交易金额。
多级相互关联的交易账户包括与目标账户有直接资金交易的上游交易账户和下游交易账户,还包括与上游交易账户和下游交易账户具有资金交易关联的次级交易账户。例如,A账户与目标账户存在直接资金交易,且资金有A账户转入目标账户,则A账户为目标账户的上游交易账户;B账户和C账户与A账户有资金交易,D账户与B账户有资金交易,则B账户、C账户和D账户均为次级交易账户。
S2:利用图数据库根据所述账户数据集构建第一图模型,所述第一图模型为交易网络图模型。
本实施例中,获取到1万个银行账户的账户数据集后,利用图数据库对获取的所有账户数据集中的数据进行处理,构建第一图模型。第一图模型为包括上游交易账户、下游交易账户和所有次级交易账户的交易网络图模型。
S3:按照预设规则对所述第一图模型进行查询识别,获得查询结果。
本实施例中,所述按照预设规则对所述第一图模型进行查询识别,获得查询结果,可以包括以下两种方式:
第一种:
S301:确认待检查账户;
S302:根据所述交易金额统计所述待检查账户的总转入金额和总转出金额;
S303:根据所述总转入金额和总转出金额计算所述待检查账户的转账折损率;
S304:若所述转账折损率符合第一设定条件,从所述第一图模型中筛选出所述待检查账户的上游交易账户和下游交易账户;其中,所述上游交易账户的数量不少于M个,所述下游交易账户的数量不大于N个,1≤N≤M,M和N 均为正整数;
S305:根据所述上游交易账户和下游交易账户与所述待检查账户之间的关系构建第二图模型,并将所述第二图模型进行可视化显示。
采用第一种方式可以识别异常资金结构,可以检测存在集中转出/分散转入行为的账户。洗钱的一般模式为,一个或多个源头账户,通过多层中间账户,将资金汇入目标账户。所以洗钱网络中不同位置的账户,会有相应的交易特征。上游账户向中间账户分发资金,所以有集中转入/分散转出的特征;中间账户起中转过渡作用,因此其转入和转出金额会较为接近;下游账户归集中间账户的资金,所以有集中转出/分散转入的特征。
本实施例中,管理人员要检查某个账户的资金结构是否异常,输入账户ID 即可确认待检查账户。
转账折损率=总转入金额/总转出金额,转账折损率的取值范围为[0.8,1.2],需要说明的是,转账折损率的取值范围是可以根据具体情况进行设定的。
如图2示出了采用第一种方式识别出的具有集中转出/分散转入特征账户的第二图模型,其中,M=7,N=3。图2中,账户9872归集了上游8个账户的资金,总计273306元,并集中转出给了账户3133和账户7848,总计255332元。转入和转出金额较为接近,转账折损率为1.07,故该账户存在洗钱嫌疑,须对该账户及其上下游进行重点督查。
第二种:
S311:执行度中心性算法识别所述第一图模型中度中心性最高的账户并进行对该账户进行第一标记;
S312:执行中介中心性算法识别所述第一图模型中度中中介中心性最高的账户对该账户进行第二标记;
S313:执行紧密中心性算法识别所述第一图模型中度中紧密中心性最高的账户对该账户进行第三标记;
S314:执行PageRank算法识别所述第一图模型中度中PageRank值最高的账户并对该账户进行第四标记。
第二种方式使用社会网络分析方法(SNA)分析洗钱网络中的关键交易结点。利用度中心性、中介中心性、紧密中心性、PageRank等常用分析算法来刻画交易网络中的账户,如果是关键交易账户,一定会有某项算法指标较高。以图3为例说明SNA方法在反洗钱场景下的应用。
图3示出了一种交易网络示意图,对图3中的交易网络依次执行度中心性算法、中介中心性算法、紧密中心性算法和PageRank算法,对执行结果进行汇总,得到以下表格:
表1关键交易节点查询结果
账户ID | 度中心性 | 中介中心性 | 紧密中心性 | PageRank |
1 | 4 | 7 | 0.53 | 0.22 |
2 | 3 | 0 | 0.5 | 0.21 |
3 | 5 | 13 | 0.64 | 0.30 |
4 | 5 | 16 | 0.64 | 0.31 |
5 | 3 | 10 | 0.50 | 0.24 |
6 | 4 | 13 | 0.53 | 0.25 |
7 | 6 | 0 | 0.60 | 0.32 |
8 | 3 | 12 | 0.60 | 0.42 |
9 | 2 | 7 | 0.43 | 0.65 |
10 | 1 | 0 | 0.31 | 0.51 |
由表1统计结果可以看到,账户7的度中心性最高,即与它发生过交易的账户最多,表明他是交易网络中最活跃的账户;账户4的中介中心性最高,即交易网络中大多数账户要进行中转交易,选它作为交易中间人最为快捷,表明该账户可能是洗钱网络中的过渡账户;账户3和账户4的紧密中心性最高,即通过该账户能最快地将资金分发到二级账户中,表明该账户可能是赃款的分发账户;账户9的PageRank值最高,即该账户的上游交易对手较多,或是上游交易对手的上游也较多,表明该账户可能是洗钱的实际受益账户。
标记得分较高的可疑账户后,人为地分析其洗钱嫌疑,及时拦截非法资金流。
综上所述,本申请基于图数据库的反洗钱管控方法利用图技术对实体间联系的处理优势,能有效识别洗钱网络中的复杂和可疑模式,连接关于账号的孤立、碎片信息,提供全局视野。
本申请的方法能有效解决传统技术上报率低、团队识别能力弱、计算能力差等问题,优化调查人员工作人力,优化内部上报审核流程,提高案例识别的精准度,并及时侦测到新型洗钱模式。
基于相同的发明构思,本发明实施例还提供了一种基于图数据库的反洗钱管控装置。如图4所示,所述装置可以包括:
数据获取模块201,用于获取多个银行账户的账户数据集;
图模型构建模块202,用于利用图数据库根据所述账户数据集构建第一图模型,所述第一图模型为交易网络图模型;以及
查询识别模块203,用于按照预设规则对所述第一图模型进行查询识别,获得查询结果。
具体的,本实施例中,所述账户数据集包括账户基本信息和账户交易信息;其中,
所述账户基本信息包括账号、开户日期、客户编号和存款余额;
所述账户交易信息包括多级相互关联的交易账户、交易时间和交易金额。
具体的,本实施例中,所述查询识别模块具体用于:
确认待检查账户;
根据所述交易金额统计所述待检查账户的总转入金额和总转出金额;
根据所述总转入金额和总转出金额计算所述待检查账户的转账折损率;
若所述转账折损率符合第一设定条件,从所述第一图模型中筛选出所述待检查账户的上游交易账户和下游交易账户,其中,所述上游交易账户的数量不少于M个,所述下游交易账户的数量不大于N个,1≤N≤M,M和N均为正整数;
根据所述上游交易账户和下游交易账户与所述待检查账户之间的关系构建第二图模型,并将所述第二图模型进行可视化显示。
具体的,本实施例中,所述查询识别模块具体还用于:
执行度中心性算法识别所述第一图模型中度中心性最高的账户并进行对该账户进行第一标记;
执行中介中心性算法识别所述第一图模型中度中中介中心性最高的账户对该账户进行第二标记;
执行紧密中心性算法识别所述第一图模型中度中紧密中心性最高的账户对该账户进行第三标记;
执行PageRank算法识别所述第一图模型中度中PageRank值最高的账户并对该账户进行第四标记。
基于相同的发明构思,本发明实施例还提供了一种基于图数据库的反洗钱管控系统。如图5所示,该系统可以包括:一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104,上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序,所述计算机程序包括程序指令,所述处理器101被配置用于调用所述程序指令执行上述基于图数据库的反洗钱管控方法实施例部分的方法。
应当理解,在本发明实施例中,所称处理器101可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array, FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等,输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器,并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如,存储器104还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的基于图数据库的反洗钱管控方法的实施例中所描述的实现方式,在此不再赘述。
需要说明的是,关于基于图数据库的反洗钱管控系统的具体工作流程,可参考前述方法实施例部分,在此不再赘述。
进一步地,本发明实施例还提供了一种可读存储介质,存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:上述基于图数据库的反洗钱管控方法。
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元,例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备,例如所述系统上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请中,对于相同或相似的术语概念、技术方案和/或应用场景描述,一般只在第一次出现时进行详细描述,后面再重复出现时,为了简洁,一般未再重复阐述,在理解本申请技术方案等内容时,对于在后未详细描述的相同或相似的术语概念、技术方案和/或应用场景描述等,可以参考其之前的相关详细描述。
在本申请中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本申请技术方案的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本申请记载的范围。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种基于图数据库的反洗钱管控方法,其特征在于,所述方法包括以下步骤:
获取多个银行账户的账户数据集;
利用图数据库根据所述账户数据集构建第一图模型,所述第一图模型为交易网络图模型;
按照预设规则对所述第一图模型进行查询识别,获得查询结果。
2.根据权利要求1所述的一种基于图数据库的反洗钱管控方法,其特征在于,所述账户数据集包括账户基本信息和账户交易信息;其中,
所述账户基本信息包括账号、开户日期、客户编号和存款余额;
所述账户交易信息包括多级相互关联的交易账户、交易时间和交易金额。
3.根据权利要求2所述的一种基于图数据库的反洗钱管控方法,其特征在于,所述按照预设规则对所述第一图模型进行查询识别,获得查询结果,包括:
确认待检查账户;
根据所述交易金额统计所述待检查账户的总转入金额和总转出金额;
根据所述总转入金额和总转出金额计算所述待检查账户的转账折损率;
若所述转账折损率符合第一设定条件,从所述第一图模型中筛选出所述待检查账户的上游交易账户和下游交易账户,其中,所述上游交易账户的数量不少于M个,所述下游交易账户的数量不大于N个,1≤N≤M,M和N均为正整数;
根据所述上游交易账户和下游交易账户与所述待检查账户之间的关系构建第二图模型,并将所述第二图模型进行可视化显示。
4.根据权利要求2所述的一种基于图数据库的反洗钱管控方法,其特征在于,所述按照预设规则对所述第一图模型进行查询识别,获得查询结果,包括:
执行度中心性算法识别所述第一图模型中度中心性最高的账户并进行对该账户进行第一标记;
执行中介中心性算法识别所述第一图模型中度中中介中心性最高的账户对该账户进行第二标记;
执行紧密中心性算法识别所述第一图模型中度中紧密中心性最高的账户对该账户进行第三标记;
执行PageRank算法识别所述第一图模型中度中PageRank值最高的账户并对该账户进行第四标记。
5.一种基于图数据库的反洗钱管控装置,其特征在于,所述装置包括:
数据获取模块,用于获取多个银行账户的账户数据集;
图模型构建模块,用于利用图数据库根据所述账户数据集构建第一图模型,所述第一图模型为交易网络图模型;以及
查询识别模块,用于按照预设规则对所述第一图模型进行查询识别,获得查询结果。
6.根据权利要求5所述一种基于图数据库的反洗钱管控装置,其特征在于,所述账户数据集包括账户基本信息和账户交易信息;其中,
所述账户基本信息包括账号、开户日期、客户编号和存款余额;
所述账户交易信息包括多级相互关联的交易账户、交易时间和交易金额。
7.根据权利要求6所述一种基于图数据库的反洗钱管控装置,其特征在于,所述查询识别模块具体用于:
确认待检查账户;
根据所述交易金额统计所述待检查账户的总转入金额和总转出金额;
根据所述总转入金额和总转出金额计算所述待检查账户的转账折损率;
若所述转账折损率符合第一设定条件,从所述第一图模型中筛选出所述待检查账户的上游交易账户和下游交易账户,其中,所述上游交易账户的数量不少于M个,所述下游交易账户的数量不大于N个,1≤N≤M,M和N均为正整数;
根据所述上游交易账户和下游交易账户与所述待检查账户之间的关系构建第二图模型,并将所述第二图模型进行可视化显示。
8.根据权利要求6所述一种基于图数据库的反洗钱管控装置,其特征在于,所述查询识别模块具体用于:
执行度中心性算法识别所述第一图模型中度中心性最高的账户并进行对该账户进行第一标记;
执行中介中心性算法识别所述第一图模型中度中中介中心性最高的账户对该账户进行第二标记;
执行紧密中心性算法识别所述第一图模型中度中紧密中心性最高的账户对该账户进行第三标记;
执行PageRank算法识别所述第一图模型中度中PageRank值最高的账户并对该账户进行第四标记。
9.一种基于图数据库的反洗钱管控系统,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166177.5A CN113870009A (zh) | 2021-09-30 | 2021-09-30 | 基于图数据库的反洗钱管控方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166177.5A CN113870009A (zh) | 2021-09-30 | 2021-09-30 | 基于图数据库的反洗钱管控方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113870009A true CN113870009A (zh) | 2021-12-31 |
Family
ID=79001542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111166177.5A Pending CN113870009A (zh) | 2021-09-30 | 2021-09-30 | 基于图数据库的反洗钱管控方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870009A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IN2015CH00232A (zh) * | 2015-01-15 | 2015-09-18 | Wipro Ltd | |
US20160364794A1 (en) * | 2015-06-09 | 2016-12-15 | International Business Machines Corporation | Scoring transactional fraud using features of transaction payment relationship graphs |
CN110415107A (zh) * | 2019-07-26 | 2019-11-05 | 同盾控股有限公司 | 数据处理方法、装置、存储介质及电子设备 |
CN112465637A (zh) * | 2020-11-05 | 2021-03-09 | 中国人民大学 | 反洗钱智能自动导侦的方法、计算机可读存储介质 |
CN112767127A (zh) * | 2021-01-21 | 2021-05-07 | 中信银行股份有限公司 | 一种贷款资金监控方法和装置 |
-
2021
- 2021-09-30 CN CN202111166177.5A patent/CN113870009A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IN2015CH00232A (zh) * | 2015-01-15 | 2015-09-18 | Wipro Ltd | |
US20160364794A1 (en) * | 2015-06-09 | 2016-12-15 | International Business Machines Corporation | Scoring transactional fraud using features of transaction payment relationship graphs |
CN110415107A (zh) * | 2019-07-26 | 2019-11-05 | 同盾控股有限公司 | 数据处理方法、装置、存储介质及电子设备 |
CN112465637A (zh) * | 2020-11-05 | 2021-03-09 | 中国人民大学 | 反洗钱智能自动导侦的方法、计算机可读存储介质 |
CN112767127A (zh) * | 2021-01-21 | 2021-05-07 | 中信银行股份有限公司 | 一种贷款资金监控方法和装置 |
Non-Patent Citations (3)
Title |
---|
曾小青: "《食品安全追溯及价格预警研究》", 31 December 2020, 湖南科学技术出版社, pages: 84 - 86 * |
范倬瑜: "基于图数据库Neo4j的信用卡反欺诈系统的设计与实现", 《中国优秀硕士论文全文数据库信息科技辑》, no. 2, pages 34 - 62 * |
阿尔贝托·博斯凯蒂: "《数据科学导论:Python语言 原书第3版》", 31 March 2020, 机械工业出版社, pages: 218 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009174B (zh) | 风险识别模型训练方法、装置及服务器 | |
Carneiro et al. | A data mining based system for credit-card fraud detection in e-tail | |
US7761379B2 (en) | Mass compromise/point of compromise analytic detection and compromised card portfolio management system | |
CN107085812A (zh) | 区块链数字资产的反洗钱系统及方法 | |
CN114154588A (zh) | 异常交易检测模型的训练以及异常交易检测的方法和装置 | |
TW201822022A (zh) | 一種基於特徵匹配網路的社團劃分方法和裝置 | |
US20140122311A1 (en) | System and method for determining a risk root cause | |
US20200242615A1 (en) | First party fraud detection | |
US20130036038A1 (en) | Financial activity monitoring system | |
US11580560B2 (en) | Identity resolution for fraud ring detection | |
WO2017106600A1 (en) | Analysis of transaction information using graphs | |
Zhan et al. | A loan application fraud detection method based on knowledge graph and neural network | |
CN111833182B (zh) | 识别风险对象的方法和装置 | |
CN107679046A (zh) | 一种欺诈用户的检测方法及装置 | |
CN110276618A (zh) | 生成洗钱案宗预测模型、预测洗钱案宗的方法及系统 | |
US20200356544A1 (en) | False positive detection for anomaly detection | |
Van Thiel et al. | Artificial intelligent credit risk prediction: An empirical study of analytical artificial intelligence tools for credit risk prediction in a digital era | |
CN110209729A (zh) | 数据转移对象识别的方法及装置 | |
CN109271415B (zh) | 一种征信数据库的数据处理方法及装置 | |
CN112329862A (zh) | 基于决策树的反洗钱方法及系统 | |
CN113313580A (zh) | 可疑交易筛选方法、装置、电子设备和存储介质 | |
CN112184238A (zh) | 金融租赁行业的反洗钱监控方法、装置、电子设备及介质 | |
CN111340622A (zh) | 一种异常交易集群的检测方法及装置 | |
CN111126788A (zh) | 风险识别方法及装置和电子设备 | |
CN113870009A (zh) | 基于图数据库的反洗钱管控方法、装置、系统及存储介质 |
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 |