金融AI实验室近期将反洗钱可疑交易识别作为阶段性实验方向。传统规则引擎多依赖单笔金额、频次与名单命中，对分散转入、集中转出、多层过账等团伙化模式覆盖不足。我们以脱敏账户交易流水构建动态资金网络，把账户、设备、商户作为节点，交易与登录行为作为带时间戳的边，按日、周切片生成图快照。
- 进展：采用时序图神经网络学习节点与子图表示，输出可疑团簇评分，并回溯关键资金路径与环路，供人工复核。离线评测中，在同等复核人力下，Top-100 可疑团簇召回较规则基线提升约 18 个百分点，误报量下降约三成；但跨机构迁移时指标波动仍较明显。
- 下一步：接入复核结论做弱监督回流，补充设备指纹与代理IP特征，并建立图分布漂移监控；同时探索用大模型将子图证据转写为可读的可疑交易说明，减少分析师整理时间。
需要强调，模型仅用于线索排序与证据整理，不替代合规判定。实验室将继续在脱敏与审计可追溯前提下，验证方法的稳定性与可迁移性。
评论