在反洗钱场景中，规则引擎按金额阈值和名单命中产生的可疑交易告警，长期存在"量大、同质、复核成本高"的问题。金融AI实验室本阶段实验性探索的方向，是把账户与交易建模为二部图，在规则之外补充团伙视角的识别能力。
建模思路：节点侧纳入开户资料、设备指纹、交易时段偏好等弱特征；边侧纳入金额、时间间隔、对手方集中度与资金留存时长。在此之上叠加两项检测——一是基于社区发现的资金闭环识别，捕捉A→B→C→A式的环形回流；二是时序上的"快进快出"模式提取，识别过渡账户特征。模型输出的是排序分，而非直接判定，复核人员按分数从高到低处理，并可反查支撑该分数的交易路径证据。
阶段性进展（实验环境，脱敏数据）：
- 对专家已标注的团伙账户，召回覆盖约 87%，其中相当比例是原规则未触及的；
- 相同召回水平下，待复核告警总量相对纯规则基线下降约四成，复核人员单案平均处理时间同步缩短。
下一步计划是把企业股权、工商关联等外部关系数据接入图谱，尝试跨机构的团伙串联，并生成可读的证据链摘要，降低复核环节对模型分数的"信任门槛"。目前仍需警惕的是：图结构对新增节点冷启动不友好，且团伙形态演化较快，模型需要保持较高频率的迭代与人工反馈回流。
评论