基于AI技术的反洗钱系统设计.pdf

《基于AI技术的反洗钱系统设计.pdf》由会员分享，可在线阅读，更多相关《基于AI技术的反洗钱系统设计.pdf（4页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、术 T e c h n o l o g y 基 于 A I 技 术 的 反 洗 钱 系 统 设 计 西安交通大学经济与金融学院 张成虎 李时 洗钱是指将毒品犯罪、黑社会性质的组织犯罪、恐 怖活动犯罪、走私犯罪或者其他犯罪的非法所得及其产 生的收益，通过各种手段掩饰、隐瞒其来源和性质，使其 在形式上合法化的行为。洗钱活动与走私、贩毒、恐怖活 动、贪污腐败和偷税漏税等刑事犯罪相联系，对国家的政 治稳定、社会安定、经济安全及国际政治经济体系的安 全构成严重威胁。因此，各国政府及有关国际组织除了 对反洗钱进行国家立法和国际立法外，还利用各种信息 技术，建立高效的反洗钱信息系统，对洗钱活动进行有 效的监

2、测和跟踪。随着我 国经济、社会 的发展 和对外开放的不断扩 大，在我国近年的经济犯罪中，洗钱动机增强，国外犯罪 组织对我国的渗透也越来越多。我国政府针对国内国际 反洗钱和打击恐怖主义活动所面临的形势，加大了反洗 钱的工作力度。然而，与发达国家相比，我国的反洗钱工 作仍然以传统的手工方式和用信息技术对有关交易报 告信息进行简单的汇总为主，利用信息技术辅助反洗钱 工作的水平仍然较低。一、国内外反洗钱系统的应用现状 在发达国家，反洗钱工作的效率相对较高。这些国 4 4中国金融电脑 2 0 0 5年第 3期 家除了具有较好的法制基础，还广泛利用信息技术建立 反洗钱监测分析系统，实现反洗钱监测目标。美国

3、和澳 大利亚等国的大多数大型银行机构都利用反洗钱系统 监测洗钱活动。美国目前使用的反洗钱信息系统是 1 9 9 3 年投入使用的F A I S(F in C E N A r t ifi c i a l I n t e ll i g e n c e S y s t e rn，金融犯罪执法署人工智能系统)，该系统采用人工 智能技术，通过分析提交的交易报告，发现可疑的金融 交易行为。其目 标是识别未知的、潜在的可疑金融交易 行为。F A I S主要由金融数据库、图形用户接口模块、数据 预处理模块和数据分析模块组成。澳大利亚反洗钱交易分析与报告 中心建立 了 S c r e e n I T反洗钱系统，

4、它是一个交易报告筛选系统，可以 筛选出高度可疑的交易，并交给税务、警察等执法机构。S c r e e n I T系统能根据专家知识和样本数据 自 动推断某些 交易、账户或公司是否具有洗钱特征。澳大利亚交易报 告分析中心每天平均收到 4 2 0 0 0份申报，其中大额现 金交易 1 3 0 0 0笔，国际资金转移指令 2 8 0 0 0 笔，如果依 靠人工处理，每天要对如此庞大的账户交易进行监测分 析是不可想像的。在过去两年中，大多数全球前 2 0 位顶级银行都采 用 A I(A r t i fi c i a l I n t e l l i g e n c e，人工智能)作 为反洗钱的 手段。其

5、中总部位于英国的智能软件公司 S e a r c h s p a c e 维普资讯 http:/ 开发的基于 A I 的反洗钱监测系统，占使用 A I 技术进行 反洗钱监测的顶级银行 4 0 以上的市场，包括前 2 0 位 中的9 个银行，这些银行包括苏格兰银行、第一银行、巴 克莱银行、纽约银行、苏格兰皇家银行、威尔士法歌银行 等。S e a r c h s p a c e 的系统现在每天监控数以亿计的银行交 易和客户。与发达国家相比，我国在这方面还有很大的差距。国内对可疑金融交易的识别尚处于手工阶段，利用数学 模型、统计分析方法和 A I 技术对金融交易进行识别的 计算机辅助反洗钱 系统的研

6、究和应用基本上还属于空 白 二、基于 AI 的反洗钱系统框架结构 基于A I 的反洗钱系统就是利用专家系统、知识获 取、人工智能、统计模型、集群和可视化技术等开发的用 于发现可疑金融交易的计算机辅助反洗钱系统。1 系统的数据流程 如图 1 所示，原始交易数据存储到数据仓库后，预 处理模块对原始数据进行“格式化”处理，然后对这些 数据进行综合分析判断处理，并把认为可疑的交易数据 提交给数据挖掘引擎进行数据挖掘，并将发现的知识存 入知识库。同时，把发现的可疑交易在终端上显示出来。图 1 系统数据流程(1)数据来源 根据中国人民银行制定的 金融机构反洗钱规 定、金融机构大额和可疑外汇资金交易报告管理

7、办 法 和 人民币大额和可疑支付交易报告管理办法 中 的规定，所有金融机构报送的数据构成本系统的数据来 源。(2)数据处理 技 T e c h n o l o g y 对原始数据进行预处理，形成统一的格式，从每条 数据中提取相关部分，形成这条数据的证据。需要注意 的是，在数据分析阶段，相对于不同的挖掘算法和判定 算法，对证据的要求也不一致。例如，在采用遗传算法对 数据进行挖掘时，就非常适合将数据全面分解为多种状 态，并对各种状态进行标识。当采用 目标树算法对数据 进行分析时，要求提供数据的一些特征，而不需要知道 数据的完整形式。2 系统结构 系统结构如图2 所示。数据处理模块把提交的数据 转换

8、为系统内部可识别的数据信息格式并存人预处理 信息库中；综合分析判定模块接收经过处理的数据，然 后对提交的数据进行事件一证据的转化，得到判定所需 的内容，分别提交到提供的不同判定子模块中，由不同 的判定子模块依据自己的算法分别得出结论，经综合比 较后判定最终结果；数据挖掘模块采用不同的数据挖掘 算法，对新 的分析出来的可疑交易进行分析，找出有利 于发现洗钱行为的新知识，并存入知识库中；监控和显 示模块是整个系统功能的体现，它为管理员提供友好的 操作界面和数据维护、统计分析功能，本模块显示经过 判定模块处理过的可疑交易行为，同时提供对各数据库 查询的接口，对知识库可以进行人工添加和修改。图 2 系

9、统结构 三、关键技术 基于 A I 的反洗钱系统综合运用了多种技术，可以 中国金融电脑 2 0 0 5年第 3期 4 5 维普资讯 http:/ 术 Te c h n o lo g y 对按要求提交的报告进行自动处理，并具有一定的学习 能力，能及时发现新的、不为金融机构所知的洗钱行为，可大大提高金融机构处理可疑交易的能力和效率，节约 成本。系统运用数据集成技术，将具有不同属性值的数 据按照一定的阈值进行合并；运用数据挖掘技术从存放 海量数据的信息库中，按照分析的要求提取有价值的信 息；运用数据结构知识，综合判断各交易之间的关联性。通过可视化技术，把最终的判断结果通过不同的方式显 示出来，运用统

10、计分析方法分析不同数据之间的关系。以下主要介绍其中的集群技术、目 标树、关联规则 和遗传算法。1 集群技术 所有的统计和 A I 研究 的目的就是发现相关数据之 间的关联性。集群方法应用于发现不明显的潜在数据组 之间的关系，它是基于一个或多个变量(例如个人交易 中的交易金额和交易频率)的观测分析。这种技术主要 用于发现表面上不相关但实际上有联系的若干群人，以 及每一群人的性质，其最终目标是通过人群相似的属性 建立类。在反洗钱系统中，群集方法可以揭示账户、个人或 组织的相似性。例如从事相同行业的部门可以归到一个 类中，这时如果其中的某一个公司很例外地归人了其他 的类 中，就说明这家公 司很可疑，

11、很可能是进行金融犯 罪活动的空壳公司。在系统中就要对这家公司进行特殊 的标注，使其成为重点跟踪观察的对象：2 目标树 树(t r e e)是 7,(n O)个结点的有限集。在一棵非空 树中，有且仅有一个特定的称为根(r o o t)的结点，当n l 时，其余的结点可分为 m(m O)个互不相交的有限集，其中每一个集合本身又是一棵树，并且成为 根的子树(s u b t r e e)。在反洗钱检测过程中，单笔异常交易往往不足以证 明一项洗钱活动，因为犯罪分子总是采取一些手法来掩 饰其真实 目的，例如在多家银行 开多个账户，通过掌握 不同的账户虚构交易来实现其非法行为。目标树判断就 是基于树的概念，

12、把不同时间、不 同地点的金融交易联 系起来，通过知识库 的内容对这些交易进行判 断，看是 否满足要求，从而确定交易的合法性。目标树判断的基 础是将洗钱行为进行分解，得到相对独立的特征事件 46中国金融电脑 2 0 0 5年第 3期 集，针对每一种确定的洗钱方式，根据系统检测到的违 反规则的事件信息，以目标树的形式判断是否满足洗钱 的条件。目标树判断是基于知识的判断方法，目标树的根节 点代表洗钱的目的，低层叶子节点代表洗钱的子目标或 者是检测到的特征事件所表示的状 态。在 目标树上用“或”、“与”、“顺序”三种基本结构来表示可疑事件 的执行序列。当目 标树中叶子节点所代表的可疑事件被 系统检测到

13、之后，就可 以推断出这些叶子节点 的上层节 点也得到确认。当这些中间层的节点彼此之间同样构成 了向上推理 的关系，则更高一层的节点事件也将被确 认。依次类推，最后目标树搜索算法将推理得出的结果 报告给监控和显示模块，认为很可能发生了洗钱行为。3 关联规 则 关联规则最早是用于发现交易数据库中不同商品(项)之间的联系，用这些规则找 出顾客购买行为模式(如购买了某一商品对购买其他商品的影响)。因为大 部分的洗钱行为并不是通过单一的一笔交易完成的，所 以在本系统中，运用关联规则 的分析，可以发现不同事 件之间的关联性，找出看起来并无关系的交易之间的内 在联系。这种方法同时应用于综合判断处理模块和数据

14、 挖掘模块 中。这里，我们采用了 A g r a w a l 等在 1 9 9 3年设计的 A p fi o fi 算法，这是一个基于两阶频繁集思想的方法，它 将关联规则算法的设计分解为两个子问题。首先，找到 所有支持度大于最少支持度的项集(t e m s e t)，这些项 集称为频繁集(F r e q u e n t t e m s e t)。为了生成所有频繁 集项，本算法使用了递推的方法。生成所有频繁集的 A p fi o fi算法流程如下：L=l a r g e 1-i t e m s e t s ；f o r(k=2；L；k+)d o b e g i n C=A p r i o r i

15、 g e n(L)；新的候选集 f o r a l l t r a n s a c t i o n s t D d o b e g i n C=s u b s e t(C，t)；事务 t 中包含的候选集 for a l l c a n d i d a t e d c C d o C co unt+；n d 维普资讯 http:/ L=c C c o u n t s ；En d An s we r=L；P r o c e d u r e a p r i o r i-g e n(L，S)C：f o r e a c h i t e ms e t L L for e a c h i t e ms e

16、t L L i f(I 1】=L【1】)(L 2 1=L 2 1)(L【k 一 2】=L k-2 )(L k-1】L k-1 )t h e n b e g i n c=L j o i n L；i f h a s i n fr e q u e n t s u b s e t(c，L)d e l e t e c：e l s e a d d C t o C：e n d r e t u m C：P r o c e d u r e h a s i n f r e q u e n c e s u b s e t(c，L)for e a c h(k-1)s u b s e t S o f C i f s L

17、 t h e n r e t u m TRUE；r e t u m F AL S E：其次是产生关联规则，由频繁集产生关联规则的工 作如下：对于每个频繁项集，产生 的所有非空子集，对于 的每个非空子集 s，如果 cmi n s-c o u n t(L s l 则输出规则“s-(L s)”。由于规则由频繁集项 目 集产 生，每个规则都自动满足最小支持度。4 遗传算 法 遗传算法是一种基于遗传学的搜索优化算法。在本 系统中，我们采用这种算法对分析出来的可疑数据库中 的数据进行挖掘，从而找出潜在的有利于发现洗钱行为 的新属性，并作为新的识别方法，加入到知识库中。遗传学认为，遗传是一种指令码封装在每个

18、染色 体个体 中，并 以基因(位)的形式包含在染色体(个 体)中，每个基因有特殊的位置并控制某个特殊的性 质，由基因组成 的个体对环境有 一定 的适应性。基因 技 T e c h n o lo g y 杂交和基因突变能产生对环境适应性强的后代，通过 优胜劣汰的自然选择，适应值高的基因结构就保存下 来。遗传算法中包含两个必须的数据转换操作，一个 是把搜索空间中的参数转换成遗传空间中的染色体个 体，此过程又叫做编码(C o d i n g)操作；另一个是相反 操作，又叫译码(D e c o d i n g)操作。遗传算法是一种群 体性操作，该操作以群体中的所有个体为对象。选择(S e l e c

19、t i n g)、交 叉(C r o s s o v e r)和变 异(Mu t a t i o n)是遗 传算法中的三个主要操作算子，它们构成了遗传操作(G e n e t i c O p e r a t i o n)，使遗传算法具有了其他传统算法 所没有 的特 征。本 系统中遗传算法 的处理流程如 图 3 所示。图 3 遗传算法处理可疑数据的流程 遗传算法首先将问题的每个可能的解按某种形式 进行编码，编码后的解称作染色体(个体)。随机选取 N个染色体构成初始种群，再根据预定的评价函数对 每个染色体计算适应值，使得性能较好的染色体具有 较高的适应值。选择适应值高的染色体进行复制，通 过选择、交叉(重组)、变异三个遗传算子，来产生一 群新 的更适应环境 的染色体，形成新 的种群。这样一 代一代不断繁殖、进化，最后收敛到一个最适应环境 的个体上，求得问题的解。回 中国金融电脑 2 0 0 5年第 3期 47 维普资讯 http:/