在反洗钱可疑交易监测中，规则引擎长期面临两个问题：单账户视角看不到资金网络，阈值收紧后误报率上升，人工复核成本被推高。本期实验把交易流水建成动态关系图，以账户、设备、商户为节点，以转账、共用终端、同日互转为边，由图神经网络输出可疑度排序，同时保留每条边上的时间与金额特征供人工回溯。
进展：在脱敏的12个月对公流水样本上，固定复核人力预算下，可疑度排序前5%的召回率较原规则基线提升约18个百分点，误报量下降约三成；模型输出附带两类可读证据——资金环路与集中转入分散转出，复核员可直接引用。
下一步计划：
· 将规则命中作为图模型特征而非独立通道，做规则与图模型的联合打分，观察阈值迁移对召回的影响；
· 补充关系图不完整时的降级策略，在数据缺失场景下回退到账户级特征，避免模型在稀疏子图上过度自信。
本实验结论仅代表离线回测结果，尚未进入生产灰度。
评论