金融AI实验室近期完成一轮反洗钱可疑交易识别的实验性验证。规则引擎依赖固定阈值，误报长期偏高，人工复核大量消耗在低价值告警上。我们的做法不是替换规则，而是把规则告警视为候选集，在其上做排序与解释：以客户—账户—交易构建多层关系图，融合资金流转时序、交易对手集中度、与账户自身历史行为基线的偏离度等特征，输出风险评分，并标注每个告警的主要触发因素，便于复核人员快速判断。
阶段性进展：在合作机构一段时间的脱敏历史告警上回测，在确认可疑案例召回不下降的前提下，进入人工复核的告警量下降约四成，排序前10%的告警覆盖约七成确认案例。以上为内部回测口径，非生产指标。
下一步计划有两点：一是将可疑交易报告（STR）的要素抽取与生成纳入流程，做半自动撰写与一致性校验；二是测试跨机构、跨业务线的迁移能力，重点观察特征口径差异对排序稳定性的影响。
评论