翼支付创新知识图谱监控策略 赋能反洗钱交易识别能力

原标题：翼支付创新知识图谱监控策略 赋能反洗钱交易识别能力

近年来，互联网金融飞速发展，在为日常生活带来极大便捷的同时，也被一些不法分子利用进行洗钱操作。多样化交易渠道、复杂的交易环节，以及与日俱增的交易数据量，为反洗钱工作带来了客户身份识别、可疑交易分析等方面的新挑战。

人民银行及其各级监管机构相继出台的反洗钱工作要求，以及持续加强的反洗钱监管处罚力度，也标志着反洗钱工作已经上升到国家高度层面。

知识图谱构建反洗钱“关系”网络

以往完全依靠历史数据和专家规则，总结归纳出的反洗钱可疑交易监控手段，在面对海量交易流水数据时，难以有效追踪资金全链路流程，同时存在数据孤岛问题，对可疑交易行为不能进行有效关联，降低了可疑交易行为的识别准确度。针对当前反洗钱识别监测难题，翼支付引入知识图谱分析技术，有效提升了可疑交易识别能力。

据翼支付风控团队介绍，翼支付可疑交易监控策略有效之处在于，借助知识图谱对复杂关联事件的高效查询匹配能力，结合神经网络技术，实现风险监测控制从“洗钱类罪图规则监控”到“深度图多层次监控”能力提升。尤其是在监控策略中创造性提出的“洗钱类罪图规则监控”，能够帮助金融机构在海量交易数据中，针对已知的洗钱行为模式，精准定位到符合行为特征的洗钱团伙。充分利用已知的专家经验与特征案例，高效提升反洗钱预警的准确性。

反洗钱知识图谱策略优势明显

翼支付反洗钱知识图谱应用策略同时具有多度关系识别、异构关系关联和关系网络可视化三大特点。

基于图计算引擎，反洗钱知识图谱能够实现多度关系延伸识别，通过关键节点重要指标衡量、PageRank重要性排序算法，结合业务场景对预警主体的定义，实现预警主体和对方信息精准划分，提升可疑交易活动内容分析清晰度，扩大风险识别覆盖范围。

异构关系关联是以资金链路流向为主导，构建图谱关系架构，内含设备与IP操作关联、业务交互关联和银行卡绑定关系关联，通过提升反洗钱图谱模型聚集性，加强可疑交易风险识别能力。

在风险分析场景应用中翼支付部署有节点搜索功能，帮助反洗钱运营人员对实体对象进行分层化、标签化关联风险挖掘，通过可视化方式逐层展示复杂犯罪模式。

模型成功应用与创新提升

据了解，翼支付反洗钱知识图谱应用策略在提供金融服务过程中，已有成功案例。

2020年4月，翼支付反洗钱图谱关联模型监测到一个以多交易主体为核心、大量交易对手组成的异常转账群组。该群组账户关系组成复杂、账户间相互转账频繁、群组内资金分散特征明显，图谱关联模型及时向反洗钱人员进行预警。通过一系列关联风险分析能力及功能运算，反洗钱人员迅速整理出该关系网内涉及的一批可疑主体以及两个月内的资金链路流向。经初步判定，该群组疑似从事“套现贷”非法活动，主要方式就是通过名下支付账户互相转账，用来偿还信用卡额度，并延长信用卡还款期限。了解到这一情况后，反洗钱人员根据工作规程随即进行上报处理。

在持续服务金融领域反洗钱工作过程中，翼支付还将人工智能、大数据、分布式数据库等技术积极引入到数据报送、可疑分析、名单监控、风险评级、尽职调查和监管报表等反洗钱各个流程步骤中，按照监管要求，打造出支持海量数据计算，多维风险评级的反洗钱决策引擎。有效提升运营人员风险核验的效率，以及小微金融企业反洗钱KYC效率。

在后续反洗钱产品研发和策略升级过程中，翼支付还将深入结合各类风险场景，跟踪反洗钱流程，为金融机构提供更多具有针对性、个性化、智能化的风险监测、风险甄别服务能力。