AI可疑交易识别定制：资金网络与时序特征

金融AI实验室本周进展：可疑交易识别正从单笔规则判定转向资金网络建模。

传统反洗钱规则多依赖金额阈值与名单命中，对「分散转入、集中转出」的团伙式洗钱路径识别有限。我们将账户视为节点、交易视为带时间戳的边，构建时序异质资金网络，用图神经网络提取邻居聚合特征与资金回流环路特征，并以规则引擎做前置剪枝，控制无效计算量。

阶段性结果（仿真与脱敏数据）：在约 42 万笔交易、1.2 万个账户的测试集上，团伙账户召回率由规则基线 51% 提升至 78%，误报率由 4.3% 降至 1.9%；全量日批推理在 40 秒内完成，具备与现有监测系统并轨运行的条件。

下一步计划有两点：一是引入交易摘要与开户资料文本，做多模态对齐，缓解纯结构特征对「经营性资金归集」的误判；二是输出可复核的证据路径，将资金链路按时间轴还原为可视化线索。模型只负责线索收敛与排序，处置结论仍由合规人员判定。