在反洗钱场景中，规则引擎长期面临两难：阈值放低则告警泛滥，复核人力被淹没；阈值收紧则团伙化作案容易漏过。金融AI实验室本期实验把可疑交易识别从“单笔打分”改为“关系推断”：以账户、设备指纹、IP、收款方为节点构图，用图神经网络学习资金流转模式，再用社区发现算法聚类疑似团伙，最后对同一团伙的告警做合并降噪，只输出一条带证据链的核查线索。
要点：
- 进展：在某股份制银行近12个月脱敏流水上离线回测，同等召回率下告警量下降约62%，单个团伙线索的平均核查耗时从40分钟压缩至15分钟以内；图特征对“分散转入—集中转出”型结构的识别明显优于纯时序模型。
- 下一步：验证图结构随时间的漂移问题，探索增量更新与冷启动账户的邻居补全；同时把模型输出对齐监管报送口径，确保每条线索可回溯到原始交易凭证。
我们不做“AI直接判定可疑”，只做线索排序与证据聚合，最终定性仍由合规人员完成。
评论