基于识别和多重分类的反洗钱系统

反洗钱(AML)对于现代社会金融体系的健全具有重要意义,因洗钱与其他类型的犯罪活动密切相关,且涉及的资金数额巨大.本文旨在开发一种货币交易的可疑行为检测和分类系统.首先,根据货币交易过程中所表现出的不同特点,将与洗钱相关犯罪活动分为五类.然后在交易数据的基础上建立了用户档案,并从档案中提取出涉及个人和网络效应的特征.结合这两种特征,分别建立了两种基于监督学习方法的检测分类模型.结果表明,两种模型均具有较好的准确度和召回率以及良好的鲁棒性,可进一步调整,以供实际应用.最后,将两个模型串联起来,结果显示了相对较好的整体性能,以及验证了系统的可行性.