在金融AI实验室的反洗钱方向，我们把实验重点从单笔交易规则转向账户网络。做法是：以近12个月的转账与代付流水构建时序异质图，节点为账户与设备，边为交易，节点特征包括交易频次、对手方集中度、夜间占比与首次交易年龄；用图神经网络输出风险分，再由规则层叠加监管硬阈值。
当前进展：在内部标注的约4.2万条可疑样本上，图模型在召回率85%的约束下把误报率从规则基线的约1:23降至1:11；对拆分转账、快进快出、多账户归集三类模式，解释模块能给出“贡献最大的3条边+2个节点特征”，便于人工复核。
下一步：接入跨机构共享的脱敏图嵌入，验证冷启动账户的迁移效果，并测试解释文本在监管问询场景下的可读性与一致性。相关结论仅代表实验阶段结果，不构成合规判定依据。
评论