在反洗钱场景中，规则引擎对明确红线覆盖良好，但对分层转账、分散归集等结构化可疑模式识别有限，且告警量大、误报率高，人工复核负担重。金融AI实验室以某城商行脱敏交易流水为样本，探索“规则+图”的混合识别路径。
做法上，将账户作为节点、转账作为带时间戳的有向边构建异构图，用邻域聚合与时间衰减刻画资金快进快出、环路回流、集中转入分散转出等模式。图模型输出可疑分与关键子图，再与现有规则命中项拼接，由轻量排序模型决定是否上报。为满足合规要求，特征仅取交易与开户维度，不引入身份敏感字段，并支持从可疑分回溯到具体边与时间窗的证据链。
要点：
- 在半年期样本上，保持原有规则召回不变的前提下，需人工复核的告警量下降约四成，其中“分散转入、集中转出”类团伙账户提升较明显。
- 下一步把模型接入可疑交易报告初稿生成环节，让复核人员聚焦证据确认与结论撰写，并补充跨机构资金链的验证方案。
评论