AI反洗钱可疑交易识别实验：图关系与规则融合

在反洗钱场景中，单笔交易规则容易漏掉跨账户、跨时段的团伙行为。我们近期把交易对手关系构建成动态异构图，用轻量图神经网络输出团伙风险分，再与既有规则引擎并联而非替换：规则负责可解释的硬阈值，模型负责排序与关联发现。

阶段性进展：
· 在脱敏的对公账户交易样本上做离线回测，人工复核队列中的可疑团伙命中率提升约 18%，同时把正常对公结算类交易的误报压低约三成；数值随样本口径波动，仍在复核中。
· 图规模控制在百万级边，采用邻居采样与增量更新，单批次推理可在分钟级完成，避免全量重算。

下一步计划：将模型输出接入复核工单，收集调查员的采纳与否决反馈，做小样本在线校准；同时评估跨机构数据不可共享条件下的联邦式训练方案，先完成方法论验证，不急于上线。