在反洗钱场景中，规则引擎的识别结果常呈现「高召回、低精度」：某城商行样本里，规则命中后的确认率不足5%，大量人工复核消耗在正常的大额往来上。本阶段实验尝试把交易网络结构纳入判断依据，而非只看单笔金额与频次。
做法分三步：一是以账户为节点、转账为边，构建近90天的时序交易图，节点特征包括对手方数量、资金停留时长、夜间交易占比等；二是用图神经网络提取邻居聚合表示，与原有规则特征拼接后进入梯度提升树做二级判别；三是对输出做分层阈值，高置信可疑直接报送，灰区交由人工并回流标注。
阶段性进展：
- 在脱敏历史数据上回溯测试，误报量下降约四成，可疑案件召回率基本持平；
- 单笔推理延迟控制在毫秒级，可嵌入现有监测流水线。
下一步计划补充跨行、跨境信息缺失下的鲁棒性测试，并评估模型解释输出能否满足合规留痕要求。
评论