金融AI实验室近期围绕反洗钱可疑交易识别完成了一轮离线对照实验：以某类中小机构近12个月的可疑交易上报与人工复核结论为基准，把现有规则引擎与图模型并置，观察两者在漏报与误报上的互补关系。
实验没有替换规则，而是把资金网络的拓扑特征（多层归集、环路回流、同设备同IP聚集、短时分散转入后集中转出）作为增量信号，在固定上报量的前提下做样本重排与回捞，避免单纯放宽阈值带来的复核量膨胀。
要点一：固定上报量下，人工复核确认的可疑样本召回提升约8个百分点，其中约三成来自图模型对规则漏报的补位；精准率同步提升约5个百分点。剩余误报仍集中在高频小额结算的小微商户场景，需要叠加行业标签与经营周期特征做二次过滤。
要点二：下一步将把图的解释路径（资金链路片段）与规则命中原因一并输出到复核工作台，并引入时间衰减权重，观察跨季度样本上的稳定性。
以上结论仅代表实验室离线回测，尚未进入生产环境。
评论