在反洗钱场景中，规则引擎长期面临两个问题：可疑交易误报率高，且跨账户的资金拆解路径难以被单笔规则捕捉。本期实验把重心放在资金网络的图结构建模上。
做法上，我们以近 12 个月的对公账户转账流水构建异构图，节点为账户与企业，边携带金额、频次、时间间隔、渠道等属性；再通过社区发现与环路检测提取「多层嵌套、快速归集」的候选子图，最后用图神经网络输出子图级可疑度评分，供人工复核排序。
【阶段进展】在内部标注的 3 万条历史可疑报告中，模型排序前 5% 覆盖了约 68% 的确认可疑案件，原规则名单为 41%；无效告警量下降约三成。
【下一步计划】引入时间衰减与账户生命周期特征，验证模型对「新开户即大额分散转出」类冷启动团伙的敏感度，并评估推理延迟能否同时满足日终批量与近实时两种运行模式。
评论