[发明专利]一种反洗钱数据监控方法、系统、存储介质、智能终端

说明书

本发明属于信息数据处理技术领域，公开了一种反洗钱数据监控方法、系统、存储介质、智能终端，在客户维度和交易维度下构建可疑案例检测模型所需要的特征体系；根据特征区分总体案例，训练大数据处理框架上的不同可疑案例检测模型；将不同可疑案例检测模型训练后，对可疑案例进行类别划分；可疑案例类别划分的结果储存在数据库中，进行批量导入导出搜索，并形成可视化图谱。反洗钱数据监控系统包括：特征体系形成模块；模型类型选择模块；模型算法训练模块；案例类别划分模块。本发明支持大数据量的运算，使得模型训练效率增加；模型的训练和回溯模块在增加模型的准确度的同时也增强了模型的可解释性，AI模型在应用场景下更加合理。

技术领域

本发明属于信息数据处理技术领域，尤其涉及一种反洗钱数据监控方法、系统、存储介质、智能终端。

背景技术

目前，将交易特征序列，客户属性特征数据，标注标签输入到预设的神经网络模型中(LSTM)进行训练，迭代获得反洗钱模型，通过特征处理的一些方式，提高模型训练的准确度。

现有技术一：CN202010794245.1基于RNN的反洗钱模型的训练方法、装置、设备及介质。本发明涉及金融科技技术领域，公开了一种基于RNN的反洗钱模型的训练方法、装置、设备及介质。该方法包括：获取训练样本集，训练样本集包括样本客户的第一交易特征序列数据、第一客户属性特征数据和标注标签；将第一交易特征序列数据输入至预设反洗钱模型的循环神经网络层中，得到第一特征表达；将第一客户属性特征数据输入至预设反洗钱模型的全连接神经网络层中，得到第二特征表达；对第一特征表达与第二特征表达进行拼接，得到拼接特征数据；通过拼接特征数据、标注标签和预设损失函数对预设反洗钱模型进行迭代训练，得到训练好的初始反洗钱模型。本发明能够解决现有反洗钱模型训练的准确性较差的问题。

但其存在的技术缺陷在于做的大部分是数据搜索和匹配的功能，没有能够有效结合大数据+AI的方法。

现有技术二：CN202010227822.9基于反洗钱模型迁移的交易反洗钱方法及装置。本申请实施例提供一种基于反洗钱模型迁移的交易反洗钱方法及装置，方法包括：将目标交易对应的交易数据输入预设的目标反洗钱模型中，并将该目标反洗钱模型的输出作为目标交易的洗钱预测结果，目标反洗钱模型是预先基于标准反洗钱模型和第二历史交易数据集训练得到，标准反洗钱模型为预先应用预设的GBDT方式和第一历史交易数据集训练得到，第一历史交易数据集的数据量大于第二历史数据集的数据量；若基于洗钱预测结果确定目标交易为洗钱交易，则输出针对该目标交易的洗钱告警信息以阻止交易达成。本申请能够在有效降低自身企业训练反洗钱模型所需的数据量、成本及时间的同时，提高洗钱预测结果的准确性及可靠性，进而提高交易安全性及可靠性。

但其存在的技术缺陷在于缺乏决策逻辑的透明度和结果的可解释性。规则模型更新滞后。

现有技术三：CN202011625865.9一种反洗钱模型的训练方法及装置。本发明公开了一种反洗钱模型的训练方法及装置，涉及计算机技术领域，主要技术方案包括：获取源域样本集和目标域样本集，源域样本和目标域样本均为用于训练反洗钱模型的交易样本；对源域样本集和目标域样本集所涉及的特征进行分类，确定源域样本集和目标域样本集的共有特征集、源域样本集的特有特征集和目标域样本集的特有特征集；将源域样本集中的特征和目标域样本集中的特征，统一编码到源域样本集和目标域样本集的共有特征集、源域样本集的特有特征集以及目标域样本集的特有特征集三者并集对应的特征空间中；合并统一编码后的源域样本集和目标域样本集；基于合并后的样本集训练反洗钱模型。

但其存在的技术缺陷在于做的大部分是数据搜索和匹配的功能，没有能够有效结合大数据+AI的方法。

现有技术的训练模型太关注模型的准确度，在金融场景下，模型的可解释性不足。如今洗钱流程更加分散化隐蔽化，互联网平台的火爆，数字货币的发行，都导致数据量的激增，使用人工核查的方式明显已经不能满足反洗钱监控的需求了，海量数据的输入也会导致模型的训练效率变慢。存在以下问题：