案例 | 反洗钱+AI：应用知识图谱与机器学习建立智能筛查模型：案例|反洗钱+AI：应用知识图

原标题：案例|反洗钱+AI：应用知识图谱与机器学习建立智能筛查模型
追一科技基于西安银行反洗钱工作目标和主要举措，为其量身打造了贴近业务场景和需求的AI反洗钱平台，支持筛查规则自由配置、模型自动优化；通过多维数据勾勒全息金融画像，精准暴露潜在风险；严密的可疑置信度计算，有效避免错判和误判；智能梳理典型案例，完成知识沉淀和传承。
中国银行业：反洗钱工作亟待人工智能突破效率瓶颈
伴随近年来金融交易量的极速增长，以及各类金融创新业务的不断上线。洗钱犯罪活动同样呈现出多样化、隐蔽化的新趋势。反洗钱工作一直是银行风险防控的重要防线，银行的反洗钱体系都依赖反洗钱专家的经验和规则，其主要依赖人工进行审核的模式无法满足新形势下的工作要求，且与强监管、严处罚的政策态势也不相适应。另一方面，人工审核的效率瓶颈明显，极易产生漏报、误报、迟报等问题，制约了反洗钱风控效果。西安银行是西部领先的上市银行，伴随其业务的告诉发展，传统人工审核模式全量筛查难、检出率低、漏检和误检率高等弊端愈发明显，难以支撑西安银行开展全面的反洗钱风控工作。
智能反洗钱应用案例解析：以追一科技助力西安银行打造AI反洗钱平台为例
追一科技基于西安银行反洗钱工作目标和主要举措，为其量身打造了贴近业务场景和需求的AI反洗钱平台，建立AI智能监测系统。平台支持筛查规则自由配置、模型自动优化；通过多维数据勾勒全息金融画像，精准暴露潜在风险；严密的可疑置信度计算，有效避免错判和误判；智能梳理典型案例，完成知识沉淀和传承。

文章图片
一、核心技术
机器学习–平台基于机器学习技术对多维数据进行归类和关联，结合主体特征、行为特征、交易特征，输出不同用户的全息金融画像，提炼相应的属性标签，精准暴露潜在风险。同时，利用机器学习模型对海量交易数据进行降维分析，针对每个客户主体输出“洗钱可疑置信度” ，业务人员按照可疑置信度高低排序，锁定区间重点筛查，同时摆脱传统“非黑即白”的案件性质判定方式，避免错判、误判，精准暴露风险，提高甄别效率。
【案例 | 反洗钱+AI：应用知识图谱与机器学习建立智能筛查模型】知识图谱–平台基于知识图谱技术整合相关数据信息，以案例主体为维度，分析其身份特征、行为特征、交易特征、关联人员特征等信息，构建了集账户属性、交易特质以及资金网络的知识图谱，尽可能的还原洗钱场景，最终向监测分析人员较为直观的展示“客户主体画像” 。
二、主要功能
1、主体画像：该模块为系统的主菜单，可通过对大量客户信息数据、交易数据进行加工、分析判断交易的合理性高，为交易主体形成多维度的识别结果，支持监测分析人员对该笔交易进行全面且直观的了解。

文章图片
2.规则管理：该模块为系统的隐藏菜单，基于机器学习技术学习历史案例，形成可疑交易识别能力。模块通过提取与洗钱行为相关联的信号，结合“专家规则“和数据计算，建立的“智能规则模板“ ，用于展示案例主体对于反洗钱场景下，如“疑似套现”、“疑似毒品”、“疑似赌博”等特定规则模板的触发情况。

文章图片
3.任务列表和名单维护：该模块为系统的辅助功能菜单。任务列表功能主要表现为反洗钱生成案例的总览、用于检测分析人员内部的任务分配及案例状态追踪。名单维护功能则包含：监控名单、干扰账号、身份属地、白名单等内容。名单维护功能可用于识别已上报可疑案例的关联交易对手，拓展检测范围，圈出资金交易链条。
三、应用效果
追一科技与西安银行仅用了不到一年时间完成了需求讨论、立项、系统研发、上线全流程。反洗钱平台在西安银行总行上线后，平均每天筛选出数十个可疑案件，每个案件平均审核时长仅20分钟，相比其他厂商产品提高了近一倍效率。在保证检出率的同时，提升了审核效率，大幅降低了人力工作量。目前，西安银行正在计划将该系统向各分行开放，全面推动反洗钱的智能化。