在反洗钱场景里，单笔金额阈值规则容易漏掉“分散转入、集中转出”的分层结构，而这类结构恰恰是可疑资金归集的常见形态。本期金融AI实验室把重点放在两件事：把账户与交易建成动态图，再按时序切片观察资金路径的收敛方式。
具体做法上，以账户、设备指纹、开户网点为节点，交易为边，窗口按日与周两级切片；节点特征取入度出度、对手方分散度、夜间交易占比等聚合统计，边特征取金额与时间间隔，图模型输出风险分值，规则层仍保留监管硬性规则命中的告警，避免模型分值与合规要求互相替代。
要点：
· 进展：在内部历史样本回溯中，固定告警总量前提下，可疑案件命中率相对纯规则基线提升约两成，并把长链路“过桥账户”的识别时点前移到资金归集阶段。
· 下一步：补齐跨机构流水缺失时的替代特征（代发工资节奏、收单结算周期），同时输出分值归因，让复核人员能沿关键路径回溯到具体交易。
评论