CN114581230A - 流式图中的洗钱行为检测方法、装置、介质 - Google Patents
流式图中的洗钱行为检测方法、装置、介质 Download PDFInfo
- Publication number
- CN114581230A CN114581230A CN202210044130.XA CN202210044130A CN114581230A CN 114581230 A CN114581230 A CN 114581230A CN 202210044130 A CN202210044130 A CN 202210044130A CN 114581230 A CN114581230 A CN 114581230A
- Authority
- CN
- China
- Prior art keywords
- account
- fund
- balance
- generation source
- balance state
- 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
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Computer Security & Cryptography (AREA)
- Technology Law (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出一种流式图中的洗钱行为检测方法、装置、介质,所述方法包括获取洗钱场景中的资金交易信息作为图数据通过有向图表示;在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;分别统计当前时刻时所述发生源账户与目标账户达到资金平衡状态的次数以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,作为统计特征输入至异常账户评估模型进行异常评估。该方法能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
Description
技术领域
本发明涉及异常检测技术领域,尤其涉及一种适用于流式场景的流式图中的洗钱行为检测方法、装置、介质。
背景技术
洗钱是指通过不正当的活动隐瞒资金来源的行为,是一个频繁、连锁交易的快速过程。通常洗钱过程中欺诈者会利用多个中间账户汇集资金,与合法的交易进行混合,并且使得混合后交易的金额刚好低于检测的阈值,所以洗钱行为的检测变得十分困难。在实时发生的交易中,如何设计一个有效的检测方法,能够快速并且准确地检测出该类可疑的账号和行为模式,是洗钱检测时需要考虑的重点。
传统的流式图中的洗钱行为检测方法为了引入更多属性和处理高维数据,使用了SVM、决策树以及神经网络等机器学习的方法,但是该类方法以有监督或者半监督的方式进行检测,在现实场景中洗钱账户的标注往往十分稀缺,因此它们会受到数据类别不平衡的影响并且缺乏普适性。
给定随着时间到达的边的流,SedanSpot算法根据先前发生度、优先连接和交互的邻居来度量边的异常。Spotlight算法能够检测出很多突然出现的意外的边。Midas算法将簇类的异常或者突然到达的相似边作为异常。然而这些流式的方法都没有考虑洗钱账户的特点,因此并不合适用于洗钱账户的检测。 FlowScope算法和AutoAudit算法被提出用于检测多部图中的洗钱流,但是该类方法无法处理流式的边,同时无法很好地捕捉各种不同的洗钱行为。
因此,现有的洗钱检测算法大部分都是为了静态交易数据设计,不能适用于流式的场景。而基于动态图的异常检测算法因为没有考虑洗钱行为的特征,所以造成了检测准确率较低。
发明内容
针对现有技术的不足,本发明提出一种用于流式场景的流式图中的洗钱行为检测方法、装置、介质,通过本发明能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
为了实现上述目的,本发明一方面提供一种流式图中的洗钱行为检测方法,包括:
有向图表示步骤:将获取洗钱场景中的资金交易信息作为图数据来定义有向图,将每一个节点表示一个账户,每一条边表示一条资金从源账户转出至转入目标账户所形成的资金流;
资金平衡状态判断步骤:在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;所述资金平衡状态为累积转入账户的资金金额超过预设阈值,且转入账户的资金全部被转出;
异常账户评估步骤:分别统计当前时刻时所述发生源账户、所述目标账户达到资金平衡状态的次数,以及所述发生源账户、所述目标账户从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入的次数;
将资金平衡状态的次数以及资金有效转入的次数作为统计特征输入至异常账户评估模型进行异常评估,所述资金有效转入为距前一次资金平衡状态之后,累积转入账户的资金金额超过预设阈值,并且所有累积转入的资金最终都在达到下一次资金平衡状态之前转出。
可选的,所述资金平衡状态判断步骤,进一步包括:
通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态;
通过所述目标账户的账户余额判断所述目标账户是否达到资金平衡状态。
可选的,所述通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态,包括:
在所述发生源账户资金转出后,在当前时刻时所述发生源账户的账户余额接近前一时刻时所述发生源账户的最小账户余额的情况下,当前时刻时所述发生源账户到达资金平衡状态;
所述通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态,包括:
在所述目标账户资金资金转入后,在当前时刻时所述目标账户的账户余额比前一时刻时所述目标账户的最小账户余额大于一次资金有效转入的最小阈值的情况下,当前时刻时所述目标账户到达资金平衡状态。
可选的,所述资金平衡状态判断步骤,进一步包括:
根据当前时刻时所述发生源账户的带权入度与出度的差值,确定所述发生源账户的账户余额;
根据当前时刻时所述目标账户的带权入度与出度的差值,确定所述目标账户的账户余额。
可选的,所述资金平衡状态判断步骤,进一步包括:
根据所述发生源账户的账户余额更新所述发生源账户的最小账户余额;
根据所述目标账户的账户余额更新所述目标账户的最大账户余额。
可选的,所述根据所述发生源账户的账户余额更新所述发生源账户的最小账户余额,包括:
在所述发生源账户资金转出后,当前时刻时所述发生源账户到达资金平衡状态或者所述发生源账户的账户余额接近前一时刻时最小账户余额的情况下,将当前时刻所述发生源账户的最小账户余额更新为当前时刻所述发生源账户的账户余额;
所述根据所述目标账户的账户余额更新所述目标账户的最大账户余额,包括:
在所述目标账户资金转入后,当前时刻时所述目标账户到达资金平衡状态或者所述目标账户的账户余额大于前一时刻时最大账户余额的情况下,将当前时刻所述目标账户的最大账户余额更新为当前时刻所述目标账户的账户余额。
可选的,所述异常账户评估步骤,还包括:
构造所述异常账户评估模型,包括:
构造目标函数:根据当前时刻时所述发生源账户达到资金平衡状态的次数、以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,构造第一目标函数;
根据当前时刻时所述目标账户达到资金平衡状态的次数、以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,构造第二目标函数;
构造约束条件:根据决策边界计算公式,确定决策边界;
将所述决策边界带入所述第一目标函数或者第二目标函数中,求得异常边界;
根据所述决策边界与异常边界,确定所述约束条件;
确定异常账户:确定满足所述约束条件的账户作为异常账户。
可选的,所述第一目标函数表示为:
其中,当前时刻t时所述发生源账户达到资金平衡状态的次数为Bu(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数为Fu(t);
所述第二目标函数表示为:
其中,当前时刻t时所述目标账户达到资金平衡状态的次数为Bv(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数为Fv(t);
根据决策边界计算公式Q3+K*IQR,其中IQR=Q3-Q1,Q1和Q3分别为下四分位数和上四分位数,K=1.5,分别计算决策边界b1和f1;
根据所述决策边界与所述异常边界,确定所述约束条件,包括:
第三约束条件:0≤F'u<f2或0≤F'v<f2;
调用PARETO函数,计算满足所述第一约束条件的第一异常账户点、以及所述第三约束条件的第三异常账户点;
计算满足所述第二约束条件的第二异常账户点;
将所述第一异常账户点、第二异常账户点、以及第三异常账户点取并集后确定所述异常账户。
本发明另一方面还提供一种洗钱检测装置,包括:
有向图表示模块:将获取洗钱场景中的资金交易信息作为图数据来定义有向图,将每一个节点表示一个账户,每一条边表示一条资金从源账户转出至转入目标账户所形成的资金流;
资金平衡状态判断模块:在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;所述资金平衡状态为累积转入账户的资金金额超过预设阈值,且转入账户的资金全部被转出;
异常账户评估模块:分别统计当前时刻时所述发生源账户、所述目标账户达到资金平衡状态的次数,以及所述发生源账户、所述目标账户从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入的次数;
将资金平衡状态的次数以及资金有效转入的次数作为统计特征输入至异常账户评估模型进行异常评估,所述资金有效转入为距前一次资金平衡状态之后,累积转入账户的资金金额超过预设阈值,并且所有累积转入的资金最终都在达到下一次资金平衡状态之前转出。
本发明另一方面还提供一种存储介质,用于存储一种用于执行上述的流式图中的洗钱行为检测方法的计算机程序。
本发明另一方面还提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述的流式图中的洗钱行为检测方法。
由以上方案可知,本发明的优点在于:
本发明提供的流式图中的洗钱行为检测方法,针对流式图的洗钱交易流中间代理检测,通过获取洗钱场景中的资金交易信息作为图数据通过有向图表示;在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;分别统计当前时刻时所述发生源账户与所述目标账户达到资金平衡状态的次数以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数,作为统计特征输入至异常账户评估模型,检测洗钱账户。该方法能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
附图说明
图1为反洗钱智能监测分析平台系统架构图;
图2为本发明实施例提供的流式图中的洗钱行为检测方法的流程示意图;
图3为展示了所有账户统计特征B+和F'的热力分布图;
图4为本发明的洗钱检测装置的框架图;
图5为计算机设备的结构示意图;
图6为电子设备的硬件结构示意图;
其中:
100-监测分析云平台;
101-告警管理模块;
102-可疑交易监测模块;
103-图谱分析模块;
104-模型管理模块;
105-规则引擎模块;
106-回溯分析模块;
107-特征分析模块;
108-客户身份识别模块;
109-客户评级模块;
1010-案件管理模块;
1011-数据管理模块;
400-洗钱检测装置;
401-有向图表示模块;
402-资金平衡状态判断模块;
403-异常账户评估模块;
500-电子设备;
501-处理器;
502-存储器;
600-电子设备;
601-射频单元;
602-网络模块;
603-音频输出单元;
604-输入单元;
641-图形处理器;
642-麦克风;
605-传感器;
606-显示单元;
6061-显示面板;
607-用户输入单元;
6071-触控面板;
6072-其他输入设备;
608-接口单元;
609-存储器;
610-处理器。
具体实施方式
为让本发明的上述特征和效果能阐述的更明确易懂,下文特举实施例,并配合说明书附图作详细说明如下。
反洗钱智能监测分析平台基于自主研发的“图计算、AI模型、规则模式”三大引擎,系统架构如图1所示,主要包括监测分析云平台100、告警管理模块101、可疑交易监测模块102、图谱分析模块103、模型管理模块104、规则引擎模块105、回溯分析模块106、特征分析模块107、客户身份识别模块108、客户评级模块109、案件管理模块1010、数据管理模块1011等模块。其中,告警管理模块101与可疑交易监测模块102连接,在实时监测到可疑交易的情况下进行告警提示;图谱分析模块103、模型管理模块104、规则引擎模块105 同时与告警管理模块101以及特征分析模块107连接,在对监测的交易数据经过图谱分析、模型管理、特征分析、规则引擎分析等过程后,确定可疑交易信息进行告警管理;同时,还提供回溯分析模块106、特征分析模块107、客户身份识别模块108、客户评级模块109、案件管理模块1010、数据管理模块1011 等模块,对异常交易回溯分析、客户风险评级等,交易检测信息同步上传至远程云平台。该系统能够帮助金融机构实现客户全生命周期动态画像和风险分类、可疑交易事件穿透式监测、洗钱行为特征知识沉淀、洗钱风险事前预测,全方位升级洗钱风险管理能力。平台综合利用机器学习在特征发现和规律学习的优势以及知识图谱在关联挖掘和知识计算方面的优势,基于海量数据驱动,融合反洗钱专家规则,形成可解释的、可自主学习的、可主动预警的自动化智能反洗钱应用。
如前所述,现有的洗钱检测算法大部分都是为了静态交易数据设计,不能适用于流式的场景。而基于动态图的异常检测算法因为没有考虑洗钱行为的特征,所以造成了检测准确率较低。针对此,本发明实施例基于上述的反洗钱智能监测分析平台提供了一种能够快速并且准确地检测出不同模式的洗钱行为,找到可疑的洗钱账户的的流式图中的洗钱行为检测方法,本实施例中重点涉及图1中的图谱分析模块103、模型管理模块104、规则引擎模块105、特征分析模块107等模块。
具体的,参考图2所示,图2示出了本发明实施例提供的流式图中的洗钱行为检测方法的流程示意图。
一种流式图中的洗钱行为检测方法,包括:
S1、有向图表示步骤:获取洗钱场景中的资金交易信息作为图数据通过有向图表示,定义有向图每一个节点表示一个账户,每一条边表示一条资金流;资金从发生源账户转出后,转入至目标账户,形成一条所述资金流。有向图定义为G=(V,E,W,T),用E={e1,e2,…}表示边的资金流,V表示账户的节点集合;对于每一条所述资金流用一个元组e=(u,v,wu,v,t)表示,节点u表示发生源账户,节点v表示目标账户,权重wu,v∈W∈Z+和这条边被添加到图G的时间t∈T。
S2、资金平衡状态判断步骤:在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;所述资金平衡状态为转入账户的资金全部被转出。
本实施例中,使用Bu(t)表示发生源账户u在当前时刻t时达到资金平衡状态的次数,使用Bv(t)表示目标账户v在当前时刻t时达到资金平衡状态的次数;使用fu(t)表示自从上次平衡状态之后发生源账户u在当前时刻t时达到的有效转入次数,用Fu(t)表示从初始时刻到当前时刻t时最近一次达到资金平衡状态之间累积的有效转入次数;使用fv(t)表示自从上次平衡状态之后目标账户v在当前时刻t时达到的有效转入次数,用Fv(t)表示从初始时刻到当前时刻t时最近一次达到资金平衡状态之间累积的有效转入次数。对于目标账户的初始化过程,与发生源账户相同,对此本实施例不再赘述。
在具体实现中,在发生源账户或目标账户第一次出现时,初始化发生源账户或目标账户,以发生源账户为例,初始化发生源账户,即将发生源账户的账户余额Ru(t)=0、发生源账户达到资金平衡状态的次数Bu(t)=0、自从上次平衡状态之后发生源账户在当前时刻时达到的有效转入次数fu(t)=0、以及发生源账户状态量发生源最大账户余额发生源最小账户余额
然后,更新所述发生源账户的账户余额与所述目标账户的账户余额,即:
当前时刻t时所述发生源账户的账户余额Ru(t)表示为:
当前时刻t时所述目标账户的账户余额Rv(t)表示为:
根据上述公式(1)、(2)更新所述发生源账户的账户余额Ru(t)与所述目标账户的账户余额Rv(t)。
此外,本实施例具体通过发生源账户状态量、目标账户状态量分别追踪所述发生源账户与所述目标账户是否达到资金平衡状态,具体为:
根据:
其中,残留量∈>0;
对于所述发生源账户,当前时刻t时发生源账户状态量前一时刻t-1 时发生源账户状态量当前时刻t时账户余额Ru(t)、前一时刻t-1时最大账户余额前一时刻t-1时最小账户余额δdown表示想要达到资金平衡状态一次资金转出的最小阈值。在所述发生源账户资金转出后,在当前时刻t时所述发生源账户的账户余额Ru(t)接近前一时刻t-1时所述发生源账户的最小账户余额的情况下,当前时刻t时所述发生源账户到达资金平衡状态。
对于所述目标账户,当前时刻t时目标账户状态量前一时刻t-1时目标账户状态量当前时刻t时账户余额Rv(t)、前一时刻t-1时最小账户余额δup表示一次有效转入的最小阈值。在所述目标账户资金资金转入后,在当前时刻t时所述目标账户的账户余额Rv(t)比前一时刻t-1时所述目标账户的最小账户余额大于一次有效转入的最小阈值δup的情况下,当前时刻t时所述目标账户到达资金平衡状态。
本实施例中,在由上述公式(1)、(2)更新所述发生源账户的账户余额Ru(t) 与所述目标账户的账户余额Rv(t)后,根据公式(3)、(4)追踪所述发生源账户与所述目标账户是否达到资金平衡状态,更新发生源账户状态量目标账户状态量
根据:
在所述发生源账户资金转出后,当前时刻t时所述发生源账户到达资金平衡状态或者所述发生源账户的账户余额Ru(t)接近前一时刻t-1时最小账户余额的情况下,将当前时刻所述发生源账户的最小账户余额更新为当前时刻所述发生源账户的账户余额Ru(t);
根据:
在所述目标账户资金转入后,当前时刻t时所述目标账户到达资金平衡状态或者所述目标账户的账户余额Rv(t)大于前一时刻t-1时最大账户余额的情况下,将当前时刻所述目标账户的最大账户余额更新为当前时刻所述目标账户的账户余额Rv(t)。
S3、异常账户评估步骤:分别统计当前时刻t时所述发生源账户与所述目标账户达到资金平衡状态的次数以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数,作为统计特征输入至异常账户评估模型,所述异常账户评估模型用于输出洗钱账户;所述资金有效转入为距前一次资金平衡状态之后,累积转入账户的资金金额超过预设阈值,并且所有累积转入的资金最终都在达到下一次资金平衡状态之前转出。
在具体实现中,在对发生源账户与目标账户各个时刻资金平衡状态判断后,统计出当前时刻t时所述发生源账户达到资金平衡状态的次数Bu(t)以及发生源账户从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fu(t);以及所述目标账户达到资金平衡状态的次数Bv(t)以及目标账户从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fv(t),具体的:
对于发生源账户,根据:
确定当前时刻t时所述发生源账户达到资金平衡状态的次数Bu(t);
根据:
确定所述发生源账户从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fu(t)。
其中,fu(t)表示统计所述发生源账户从前一次资金平衡状态之后至当前时刻t之间达到的资金有效转入次数,即:
对于目标账户,根据:
确定当前时刻t时所述目标账户达到资金平衡状态的次数Bv(t);
根据:
确定所述目标账户从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fv(t)。
其中,fv(t)表示统计所述目标账户从前一次资金平衡状态之后至当前时刻t之间达到的资金有效转入次数,即:
本实施例中,具体将统计出的当前时刻t时所述发生源账户达到资金平衡状态的次数Bu(t)以及发生源账户从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fu(t);以及所述目标账户达到资金平衡状态的次数Bv(t)以及目标账户从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fv(t)作为统计特征输入至异常账户评估模型,评估出洗钱账户。在一些实施例中,可以通过使用滑动时间窗来计算窗口大小内局部的统计特征。除此之外,还可以统计对手账号达到平衡的次数,从而发现洗钱中的交易链条。
具体的,本实施例中通过滑动时间窗来计算窗口大小内局部的统计特征,根据当前时刻t时所述发生源账户达到资金平衡状态的次数Bu(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fu(t),构造第一目标函数根据当前时刻t时所述目标账户达到资金平衡状态的次数Bv(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数Fv(t),构造第二目标函数
图3展示了所有账户统计特征B+和F'的热力分布图。广义帕累托分布(GPD) 是一个3参数分布,用于查找极值理论中的极端事件。极值理论中的第二个定理描述了给定一个随机变量X,令m∈R并且定义一个新的随机变量Xm用于表示X中超过m的尾部数据;定义Fm在X>m条件上X-m的分布;那么在阈值等于m时候,超出的部分的累积分布函数(CDF)为Fm(x)=P(X-m≤x|X> m)。由图3所示,B+和F'的分布都是高度倾斜的,因此可以利用该理论寻找异常账户,AnoScore将落在图中PartI、II、III、IV部分的账户返回作为异常账户集合,即洗钱账户。
本实施例中使用PARETO函数构造异常账户评估模型,寻找异常账户, PARETO函数使用超出阈值m的尾部数据,即在对数据排序后取出位于尾部1- α的数据(α通常设置为98%),进行帕累托分布参数的拟合;然后输出拟合数据中满足P(X-m>x|X>m)=1-Fm(x)<p的最小值x,在这里参数p 和假设检验中对原假设(即数据点都是正常的)进行检验的P-value值作用相同。因此,本实施例中,将F′u、F'v、帕累托分布的概率阈值p和百分位数α作为输入,输入至通过PARETO函数构造的异常账户评估模型,即可返回洗钱账户作为输出。
首先,分别根据决策边界计算公式Q3+K*IQR,其中IQR=Q3-Q1,Q1和Q3分别为下四分位数和上四分位数,K=1.5,分别计算决策边界b1和f1;
对于图3中PARTIII部分:0≤F'u<f2或者0≤F'v<f2,通过对每行的数据调用PARETO函数求得异常点,得到第三异常账户点。
最后,将所述第一异常账户点、第二异常账户点、以及第三异常账户点取并集后得到异常账户,即洗钱账户。
综上所述,本发明提供的流式图中的洗钱行为检测方法,针对流式图的洗钱交易流中间代理检测,通过获取洗钱场景中的资金交易信息作为图数据通过有向图表示,定义有向图每一个节点表示一个账户,每一条边表示一条资金流;资金从发生源账户转出后,转入至目标账户,形成一条所述资金流;在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;分别统计当前时刻t 时所述发生源账户、所述目标账户达到资金平衡状态的次数以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数,作为统计特征输入至异常账户评估模型,检测洗钱账户。该方法基于统计特征,构造时间复杂度和流中边的数量线性关系,能够在任意的时候快速地查询检测结果,且能够有效地检测出不同的可疑行为模式和周期性行为,具有良好的可扩展性。通过本发明能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
本发明上述实施例可以应用于交易流中流式图中的洗钱行为检测方法功能的终端设备中,该终端设备可以包括个人终端、以及上位机终端等,本发明实施例对此不加以限制。该终端可以支持Windows、Android(安卓)、IOS、 WindowsPhone等操作系统。
参照图4,图4示出了一种洗钱检测装置400,应用于交易流中流式图中的洗钱行为检测方法可应用于个人终端、以及上位机终端设备中,其可实现通过如图2所示的应用于交易流中流式图中的洗钱行为检测方法,本申请实施例提供的设置装置能够实现上述流式图中的洗钱行为检测方法实现的各个过程,至少包括有向图表示模块401、资金平衡状态判断模块402、异常账户评估模块403,即具体为:
一种洗钱检测装置400,包括:
有向图表示模块401:将获取洗钱场景中的资金交易信息作为图数据来定义有向图,将每一个节点表示一个账户,每一条边表示一条资金从源账户转出至转入目标账户所形成的资金流;
资金平衡状态判断模块402:在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;所述资金平衡状态为累积转入账户的资金金额超过预设阈值,且转入账户的资金全部被转出;
异常账户评估模块403:分别统计当前时刻时所述发生源账户、所述目标账户达到资金平衡状态的次数,以及所述发生源账户、所述目标账户从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入的次数;
将资金平衡状态的次数以及资金有效转入的次数作为统计特征输入至异常账户评估模型进行异常评估,所述资金有效转入为距前一次资金平衡状态之后,累积转入账户的资金金额超过预设阈值,并且所有累积转入的资金最终都在达到下一次资金平衡状态之前转出。
可选的,所述资金平衡状态判断模块,还用于:
通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态;
通过所述目标账户的账户余额判断所述目标账户是否达到资金平衡状态。
可选的,所述通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态,包括:
在所述发生源账户资金转出后,在当前时刻时所述发生源账户的账户余额接近前一时刻时所述发生源账户的最小账户余额的情况下,当前时刻时所述发生源账户到达资金平衡状态;
所述通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态,包括:
在所述目标账户资金资金转入后,在当前时刻时所述目标账户的账户余额比前一时刻时所述目标账户的最小账户余额大于一次资金有效转入的最小阈值的情况下,当前时刻时所述目标账户到达资金平衡状态。
可选的,所述资金平衡状态判断模块,还用于:
根据当前时刻时所述发生源账户的带权入度与出度的差值,确定所述发生源账户的账户余额;
根据当前时刻时所述目标账户的带权入度与出度的差值,确定所述目标账户的账户余额。
可选的,所述资金平衡状态判断模块,还用于:
根据所述发生源账户的账户余额更新所述发生源账户的最小账户余额;
根据所述目标账户的账户余额更新所述目标账户的最大账户余额。
可选的,所述根据所述发生源账户的账户余额更新所述发生源账户的最小账户余额,包括:
在所述发生源账户资金转出后,当前时刻时所述发生源账户到达资金平衡状态或者所述发生源账户的账户余额接近前一时刻时最小账户余额的情况下,将当前时刻所述发生源账户的最小账户余额更新为当前时刻所述发生源账户的账户余额;
所述根据所述目标账户的账户余额更新所述目标账户的最大账户余额,包括:
在所述目标账户资金转入后,当前时刻时所述目标账户到达资金平衡状态或者所述目标账户的账户余额大于前一时刻时最大账户余额的情况下,将当前时刻所述目标账户的最大账户余额更新为当前时刻所述目标账户的账户余额。
可选的,所述异常账户评估模块,还用于:
构造所述异常账户评估模型,包括:
构造目标函数:根据当前时刻时所述发生源账户达到资金平衡状态的次数、以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,构造第一目标函数;
根据当前时刻时所述目标账户达到资金平衡状态的次数、以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,构造第二目标函数;
构造约束条件:根据决策边界计算公式,确定决策边界;
将所述决策边界带入所述第一目标函数或者第二目标函数中,求得异常边界;
根据所述决策边界与异常边界,确定所述约束条件;
确定异常账户:确定满足所述约束条件的账户作为异常账户。
可选的,所述第一目标函数表示为:
其中,当前时刻t时所述发生源账户达到资金平衡状态的次数为Bu(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数为Fu(t);
所述第二目标函数表示为:
其中,当前时刻t时所述目标账户达到资金平衡状态的次数为Bv(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数为Fv(t);
根据决策边界计算公式Q3+K*IQR,其中IQR=Q3-Q1,Q1和Q3分别为下四分位数和上四分位数,K=1.5,分别计算决策边界b1和f1;
根据所述决策边界与所述异常边界,确定所述约束条件,包括:
第三约束条件:0≤F'u<f2或0≤F'v<f2;
调用PARETO函数,计算满足所述第一约束条件的第一异常账户点、以及所述第三约束条件的第三异常账户点;
计算满足所述第二约束条件的第二异常账户点;
将所述第一异常账户点、第二异常账户点、以及第三异常账户点取并集后确定所述异常账户。
因此,根据本申请实施例的洗钱检测装置400,针对流式图的洗钱交易流中间代理检测,通过获取洗钱场景中的资金交易信息作为图数据通过有向图表示;在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;分别统计当前时刻时所述发生源账户、所述目标账户达到资金平衡状态的次数以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,作为统计特征输入至异常账户评估模型,检测洗钱账户。该方法能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
应当理解,对上述流式图中的洗钱行为检测方法的各描述同样适用于根据本申请实施例的洗钱检测装置400,为避免重复,不再详细描述。
此外,应当理解,在根据本申请实施例的洗钱检测装置400中,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即安全打印装置可划分为与上述例示出的模块不同的功能模块,以完成以上描述的全部或者部分功能。
图5是本申请实施例提供的计算机设备的结构示意图。
如图5中所示,本申请实施例还提供了一种计算机设备500,包括处理器 502,存储介质501,存储在存储介质501上并可在所述处理器502上运行的程序或指令,该程序或指令被处理器502执行时实现上述流式图中的洗钱行为检测方法的步骤,且能达到相同的技术效果。
因此,根据本申请实施例的计算机设备500,针对流式图的洗钱交易流中间代理检测,能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
对于根据本申请实施例的计算机设备500的其他技术效果,为避免重复,这里不再详细描述。
需要注意的是,本申请实施例中的电子设备可包括移动电子设备和非移动电子设备。
图6是本申请实施例提供的电子设备的硬件具体结构示意图。
参照图6,电子设备600包括但不限于:射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元 607、接口单元608、存储器609、以及处理器610等部件。
应理解的是,本申请实施例中,射频单元601可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器 610处理;另外,将上行的数据发送给基站。通常,射频单元601包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元601还可以通过无线通信系统与网络和其他设备通信。
电子设备600通过网络模块602为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元603可以将射频单元601或网络模块602接收的或者在存储器609中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元603还可以提供与电子设备600执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元603包括扬声器、蜂鸣器以及受话器等。
输入单元604用于接收音频或视频信号。应理解的是,本申请实施例中,输入单元604可以包括图形处理器(Graphics Processing Unit,GPU)641和麦克风642,图形处理器641对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。
电子设备600还包括至少一种传感器605,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板6061的亮度,接近传感器可在电子设备600移动到耳边时,关闭显示面板6061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;传感器605还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
显示单元606用于显示由用户输入的信息或提供给用户的信息。显示单元 606可包括显示面板6061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板 6061。
用户输入单元607可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元607 包括触控面板6071以及其他输入设备6072。触控面板6071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板6071上或在触控面板6071附近的操作)。触控面板6071 可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。接口单元608为外部装置与电子设备600连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元 608可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备600内的一个或多个元件或者可以用于在电子设备600和外部装置之间传输数据。
存储器609可用于存储软件程序以及各种数据。存储器609可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器609 可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器610是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器609内的软件程序和/或模块,以及调用存储在存储器609内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器610可包括一个或多个处理单元;优选的,处理器610可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器610中。本领域技术人员可以理解,电子设备600还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器610逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图6中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。在本申请实施例中,电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备(例如手环、眼镜)、以及计步器等。
具体地,处理器610,获取洗钱场景中的资金交易信息作为图数据通过有向图表示,定义有向图每一个节点表示一个账户,每一条边表示一条资金流;资金从发生源账户转出后,转入至目标账户,形成一条所述资金流;在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;分别统计当前时刻t时所述发生源账户、所述目标账户达到资金平衡状态的次数以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数,作为统计特征输入至异常账户评估模型,所述异常账户评估模型用于输出洗钱账户。
因此,根据本申请实施例的电子设备600,利用针对流式图的洗钱交易流中间代理检测,能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述流式图中的洗钱行为检测方法的步骤,且能达到相同的技术效果。
因此,根据本申请实施例的可读存储介质,针对流式图的洗钱交易流中间代理检测,能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
对于根据本申请实施例的可读存储介质的其他技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory, ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例还提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现上述流式图中的洗钱行为检测方法的步骤,且能达到相同的技术效果。
因此,根据本申请实施例的芯片,利用针对流式图的洗钱交易流中间代理检测,能够快速并且准确地检测出不同模式的洗钱行为,并且找到可疑的洗钱账户。
对于根据本申请实施例的芯片的其他技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
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,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以施加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如ROM/RAM、磁碟、光盘) 中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种流式图中的洗钱行为检测方法,其特征在于,包括:
有向图表示步骤:将获取洗钱场景中的资金交易信息作为图数据来定义有向图,将每一个节点表示一个账户,每一条边表示一条资金从源账户转出至转入目标账户所形成的资金流;
资金平衡状态判断步骤:在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;所述资金平衡状态为累积转入账户的资金金额超过预设阈值,且转入账户的资金全部被转出;
异常账户评估步骤:分别统计当前时刻时所述发生源账户、所述目标账户达到资金平衡状态的次数,以及所述发生源账户、所述目标账户从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入的次数;将资金平衡状态的次数以及资金有效转入的次数作为统计特征输入至异常账户评估模型进行异常评估;其中,所述资金有效转入为距前一次资金平衡状态之后,累积转入账户的资金金额超过预设阈值,并且所有累积转入的资金最终都在达到下一次资金平衡状态之前转出。
2.根据权利要求1所述的方法,其特征在于,所述资金平衡状态判断步骤,进一步包括:
通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态;
通过所述目标账户的账户余额判断所述目标账户是否达到资金平衡状态。
3.根据权利要求2所述的方法,其特征在于,
所述通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态,包括:
在所述发生源账户资金转出后,在当前时刻时所述发生源账户的账户余额接近前一时刻时所述发生源账户的最小账户余额的情况下,当前时刻时所述发生源账户到达资金平衡状态;
所述通过所述发生源账户的账户余额判断所述发生源账户是否达到资金平衡状态,包括:
在所述目标账户资金资金转入后,在当前时刻时所述目标账户的账户余额比前一时刻时所述目标账户的最小账户余额大于一次资金有效转入的最小阈值的情况下,当前时刻时所述目标账户到达资金平衡状态。
4.根据权利要求2所述的方法,其特征在于,所述资金平衡状态判断步骤,进一步包括:
根据当前时刻时所述发生源账户的带权入度与出度的差值,确定所述发生源账户的账户余额;
根据当前时刻时所述目标账户的带权入度与出度的差值,确定所述目标账户的账户余额。
5.根据权利要求4所述的方法,其特征在于,所述资金平衡状态判断步骤,进一步包括:
根据所述发生源账户的账户余额更新所述发生源账户的最小账户余额;
根据所述目标账户的账户余额更新所述目标账户的最大账户余额。
6.根据权利要求5所述的方法,其特征在于,
所述根据所述发生源账户的账户余额更新所述发生源账户的最小账户余额,包括:
在所述发生源账户资金转出后,当前时刻时所述发生源账户到达资金平衡状态或者所述发生源账户的账户余额接近前一时刻时最小账户余额的情况下,将当前时刻所述发生源账户的最小账户余额更新为当前时刻所述发生源账户的账户余额;
所述根据所述目标账户的账户余额更新所述目标账户的最大账户余额,包括:
在所述目标账户资金转入后,当前时刻时所述目标账户到达资金平衡状态或者所述目标账户的账户余额大于前一时刻时最大账户余额的情况下,将当前时刻所述目标账户的最大账户余额更新为当前时刻所述目标账户的账户余额。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述异常账户评估步骤,还包括:
构造所述异常账户评估模型,包括:
构造目标函数:根据当前时刻时所述发生源账户达到资金平衡状态的次数、以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,构造第一目标函数;
根据当前时刻时所述目标账户达到资金平衡状态的次数、以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数,构造第二目标函数;
构造约束条件:根据决策边界计算公式,确定决策边界;
将所述决策边界带入所述第一目标函数或者第二目标函数中,求得异常边界;
根据所述决策边界与异常边界,确定所述约束条件;
确定异常账户:确定满足所述约束条件的账户作为异常账户。
8.根据权利要求7所述的方法,其特征在于,
所述第一目标函数表示为:
其中,当前时刻t时所述发生源账户达到资金平衡状态的次数为Bu(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数为Fu(t);
所述第二目标函数表示为:
其中,当前时刻t时所述目标账户达到资金平衡状态的次数为Bv(t)、以及从初始时刻到当前时刻t最近一次达到资金平衡状态之间累积的资金有效转入次数为Fv(t);
根据决策边界计算公式Q3+K*IQR,其中IQR=Q3-Q1,Q1和Q3分别为下四分位数和上四分位数,K=1.5,分别计算决策边界b1和f1;
根据所述决策边界与所述异常边界,确定所述约束条件,包括:
第三约束条件:0≤F′u<f2或0≤F′v<f2;
调用PARETO函数,计算满足所述第一约束条件的第一异常账户点、以及所述第三约束条件的第三异常账户点;
计算满足所述第二约束条件的第二异常账户点;
将所述第一异常账户点、第二异常账户点、以及第三异常账户点取并集后确定所述异常账户。
9.一种洗钱检测装置,其特征在于,包括:
有向图表示模块:将获取洗钱场景中的资金交易信息作为图数据来定义有向图,将每一个节点表示一个账户,每一条边表示一条资金从源账户转出至转入目标账户所形成的资金流;
资金平衡状态判断模块:在每一条所述资金流到达时,判断所述发生源账户是否在转出资金后达到资金平衡状态,且所述目标账户是否在转入资金后到达资金平衡状态;所述资金平衡状态为累积转入账户的资金金额超过预设阈值,且转入账户的资金全部被转出;
异常账户评估模块:分别统计当前时刻时所述发生源账户、所述目标账户达到资金平衡状态的次数,以及所述发生源账户、所述目标账户从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入的次数;将资金平衡状态的次数以及资金有效转入的次数作为统计特征输入至异常账户评估模型进行异常评估,其中,所述资金有效转入为距前一次资金平衡状态之后,累积转入账户的资金金额超过预设阈值,并且所有累积转入的资金最终都在达到下一次资金平衡状态之前转出。
10.一种存储介质,其特征在于,用于存储一种用于执行权利要求1~8中任一项所述的流式图中的洗钱行为检测方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210044130.XA CN114581230A (zh) | 2022-01-14 | 2022-01-14 | 流式图中的洗钱行为检测方法、装置、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210044130.XA CN114581230A (zh) | 2022-01-14 | 2022-01-14 | 流式图中的洗钱行为检测方法、装置、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114581230A true CN114581230A (zh) | 2022-06-03 |
Family
ID=81770900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210044130.XA Pending CN114581230A (zh) | 2022-01-14 | 2022-01-14 | 流式图中的洗钱行为检测方法、装置、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581230A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227940A (zh) * | 2023-05-04 | 2023-06-06 | 深圳市迪博企业风险管理技术有限公司 | 一种基于资金流向图的企业资金流异常检测方法 |
-
2022
- 2022-01-14 CN CN202210044130.XA patent/CN114581230A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227940A (zh) * | 2023-05-04 | 2023-06-06 | 深圳市迪博企业风险管理技术有限公司 | 一种基于资金流向图的企业资金流异常检测方法 |
CN116227940B (zh) * | 2023-05-04 | 2023-07-25 | 深圳市迪博企业风险管理技术有限公司 | 一种基于资金流向图的企业资金流异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304758B (zh) | 人脸特征点跟踪方法及装置 | |
US20200025789A1 (en) | Methods and apparatuses for detecting tamper using heuristic models | |
CN110909630B (zh) | 一种异常游戏视频检测方法和装置 | |
CN111726341B (zh) | 一种数据检测方法、装置、电子设备及存储介质 | |
CN107729081A (zh) | 应用管理方法、装置、存储介质及电子设备 | |
EP3706043A1 (en) | Application program control method and apparatus, medium, and electronic device | |
CN109670313B (zh) | 系统运行中进行风险评估的方法、装置和可读存储介质 | |
CN114581230A (zh) | 流式图中的洗钱行为检测方法、装置、介质 | |
CN109067979B (zh) | 一种提示方法及移动终端 | |
CN110796015A (zh) | 一种远程监控方法及其装置 | |
CN107809515B (zh) | 一种显示控制方法及移动终端 | |
CN107729144B (zh) | 应用控制方法、装置、存储介质及电子设备 | |
CN112256748A (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
CN109451011B (zh) | 一种基于区块链的信息存储方法及移动终端 | |
CN116959059A (zh) | 一种活体检测的方法、装置以及存储介质 | |
CN113360908A (zh) | 数据处理方法、违规识别模型训练方法及相关设备 | |
CN113112011B (zh) | 一种数据预测方法及装置 | |
CN108093466B (zh) | 一种控制网络开关的方法、移动终端及服务器 | |
CN107391985B (zh) | 一种解密图像验证方法、终端及计算机可读存储介质 | |
CN112015973A (zh) | 一种异构网络的关系推理方法及终端 | |
CN111818548A (zh) | 一种数据的处理方法、装置及设备 | |
CN112312411A (zh) | VoLTE业务的业务量预测方法和终端设备 | |
CN111797391A (zh) | 高风险进程的处理方法、装置、存储介质及电子设备 | |
CN116050530A (zh) | 量子计算机的ai芯片异常预测方法、装置和电子设备 | |
CN113535693B (zh) | 一种移动平台的数据真值确定方法、装置及电子设备 |
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 |