System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智慧金融,特别涉及一种跨域数据融合的反洗钱风险客户智能识别方法及系统。
技术介绍
1、随着全球金融业务的增长,洗钱活动日益猖獗,传统的反洗钱手段依赖于员工手工操作和经验规则配置,效率低下且容易出错,已经无法满足日益扩大化的洗钱监测和预防需求。金融交易数据量的不断增多和洗钱手段的快速更新为现有反洗钱识别工作提出了新的挑战,反洗钱工作目前仍有以下几个技术难点:
2、一是反洗钱客户信息不丰富。随着犯罪分子洗钱技术、隐蔽手段和反侦察能力的提高,仅由单一数据来源提供的信息已不足以支持反洗钱行为的精准识别和定位。传统流程中,需由人工对分散于各系统模块数据(如存款、贷款、信用卡等)和外部公开信息(如企业工商信息、失信执行人信息等)进行查询和处理,对于非公开重要数据(如税务、房产、车辆信息等)无法获取。对于暂时被判别为“非可疑”的客户,由于缺乏新的信息熵增长点,重检时大概率会得出相同结论,从而无法真正识别风险客户。
3、二是反洗钱评估模型不智能。犯罪洗钱手法更新快、变化大,有极强的地域特性,原有的反洗钱模型如“区域制毒洗钱模型”、“数币洗钱模型”、“异常存取现金模型”等,通常较于依赖经验知识和专家规则。但由于特色专家模型具有规模小、独立性强、针对性强、滞后性高等特点,可能导致同一客户在不同模型中得出的风险等级结论不同,甚至可能因未涉嫌存量洗钱模式(即涉嫌的是新型洗钱模式)而未被识别出风险。当特色模型、风险特征值逐渐增多时,缺乏完整、全面、智能的洗钱风险评估模型,将使反洗钱案风险识别效率和结果受到极大制约。<
...【技术保护点】
1.一种跨域数据融合的反洗钱风险客户智能识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于:还包括数据应用过程:基于对特征信息图谱和异常交易信息图谱的分析验证,被证实为识别准确率达标的特征组合、模型指标、经验知识和专家模型将被认定为知识图谱,纳入反洗钱经验知识库,以供后续增量数据实现高质量风险判别;增量客户根据知识图谱集进行反洗钱判别,存量客户根据知识图谱集进行定期风险重检,形成“智慧图谱”。
3.根据权利要求1所述的方法,其特征在于:所述模型构建过程中,意图的来源包括:对数据的提取与分析、基于历史数据的分析和总结以及线下反洗钱调查中客户提供的行为意图。
4.根据权利要求1所述的方法,其特征在于:所述数据采集过程中,运用RPA技术在银行外部获取公开数据具体包括:
5.根据权利要求1所述的方法,其特征在于:所述数据加工过程中,根据已有经验知识和专家模型判定意图的合规性,意图验证由具有明确意图的数据中风险值最高的数据开始,意图验证所需的验证数据的使用优先级依次为:洗钱风险值指令中的与客户相关的数据、银行系统内部与客户
6.一种跨域数据融合的反洗钱风险客户智能识别系统,其特征在于,包括:
7.根据权利要求6所述的系统,其特征在于:还包括数据应用模块,用于基于对特征信息图谱和异常交易信息图谱的分析验证,被证实为识别准确率达标的特征组合、模型指标、经验知识和专家模型将被认定为知识图谱,纳入反洗钱经验知识库,以供后续增量数据实现高质量风险判别;增量客户根据知识图谱集进行反洗钱判别,存量客户根据知识图谱集进行定期风险重检,形成“智慧图谱”。
8.根据权利要求6所述的系统,其特征在于:所述模型构建模块中,意图的来源包括:对数据的提取与分析、基于历史数据的分析和总结以及线下反洗钱调查中客户提供的行为意图。
9.根据权利要求6所述的系统,其特征在于:所述数据采集模块中,运用RPA技术在银行外部获取公开数据具体包括:
10.根据权利要求6所述的系统,其特征在于:所述数据加工模块中,根据已有经验知识和专家模型判定意图的合规性,意图验证由具有明确意图的数据中风险值最高的数据开始,意图验证所需的验证数据的使用优先级依次为:洗钱风险值指令中的与客户相关的数据、银行系统内部与客户相关的数据、行外公开数据、行外非公开数据;当验证不满足要求时,才获取下一优先级数据。
...【技术特征摘要】
1.一种跨域数据融合的反洗钱风险客户智能识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于:还包括数据应用过程:基于对特征信息图谱和异常交易信息图谱的分析验证,被证实为识别准确率达标的特征组合、模型指标、经验知识和专家模型将被认定为知识图谱,纳入反洗钱经验知识库,以供后续增量数据实现高质量风险判别;增量客户根据知识图谱集进行反洗钱判别,存量客户根据知识图谱集进行定期风险重检,形成“智慧图谱”。
3.根据权利要求1所述的方法,其特征在于:所述模型构建过程中,意图的来源包括:对数据的提取与分析、基于历史数据的分析和总结以及线下反洗钱调查中客户提供的行为意图。
4.根据权利要求1所述的方法,其特征在于:所述数据采集过程中,运用rpa技术在银行外部获取公开数据具体包括:
5.根据权利要求1所述的方法,其特征在于:所述数据加工过程中,根据已有经验知识和专家模型判定意图的合规性,意图验证由具有明确意图的数据中风险值最高的数据开始,意图验证所需的验证数据的使用优先级依次为:洗钱风险值指令中的与客户相关的数据、银行系统内部与客户相关的数据、行外公开数据、行外非公开数据;当验证不满足要求时,才获取下一优先级数据。
<...【专利技术属性】
技术研发人员:林敏,翁羽莹,徐泉旺,雷羽潇,
申请(专利权)人:中国建设银行股份有限公司福建省分行,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。