枫清科技-图智能在反洗钱方向的应用实践

枫清科技|图智能在反洗钱⽅向的应用实践 演讲⼈：Fabarta贾志鹏 目录 Contents 第⼀章节：业务背景 第⼆章节：分析过程第三章节：案例介绍第四章节：总结 ©2023Fabarta 2 业务背景 Part01 反洗钱业务背景 ⾦融技术、⾦融创新快速发展，普及、应用，⾦融交易量迅速增长，洗钱、恐怖融资等犯罪⾏为层出不穷，犯罪⼿段不断翻新，呈现专业化、团伙化、隐蔽化等特点，严重危害⼈民群众的财产安全和合法权益。 洗钱团伙挖掘 洗钱活动往往涉及到团伙犯罪，⽽反洗钱规则只适用于识别单个账户的洗钱⾏为，需要进⼀步对参与反洗钱的可疑交易洗钱团伙进⾏挖掘，从⽽深⼊识别风险较⼤、相互关联的可疑团伙群体，有效提升反洗钱可疑交易报告的情报价值，也为进⼀步探索相关技术在全面风险管理、客户关系挖掘等⽅面的应用奠定基础。 现有业务流程 可疑上报 综合评判 尽职调查 ⼈⼯筛查 案发后数据下传 业务痛点 时间长：单个案例处理时间较长（20-50分钟） ⼿段局限：SQL筛选过滤，⽆法对关联数据进⾏深度分析 ⼈⼯处理⼯作量⼤：每年数万多起案例数据 问题数据⽆法得到融通和应用：可疑数据上报后⽆后续利用 分析过程 Part02 -面向反洗钱主题，构建基础图谱，在基础图谱上进⼀步建立特征图谱 数据收集 建立图谱 模型分析 团伙发现 数据融通 -融合客户交易数据，客户资料，外部数 据等多源数据 -应用多种数据分析建模⼿段，发掘可疑个体 -针对可疑个体，应用关联数据，进⾏团伙发现，包括团伙成员及分⼯ -通过可视化的⽅式传递数据价值，增加案例可解释性，进⽽加速案例处理 示例 1.收集相关数据，建立基础数据图谱； -个⼈账户信息，如账户数量、证件、地址和电话等； -企业账户信息，如注册资⾦、经营范围和股权情况等； -交易数据，如⾦额，交易时间，交易对⼿； -交易⾏为信息，如⽹银交易（IP地址、MAC地址），柜面交易，交易⽹点等； 2.应用基础数据图谱，进⼀步进⾏特征加⼯，并在此基础上进⼀步发现关联关系； -账户资料的特征，如同⼀注册地址、持股关联⽅和⼀致⾏动⼈等； -资⾦交易上的特征，如频度、模式、速度和⽅式等； -交易⾏为的特征，如同⼀IP地址及MAC地址下的关联交易、同⼀区域⽹点内分散交易等； 在原有分析维度的基础上融⼊图相关特征进⾏建模分析； 相关性 顶点重要性 attribute_assortativity_coefficient：属性相关degree_assortativity_coefficient：度数相关 eigenvector_centrality：特征向量中⼼性HITS PageRankkatz_centrality 顶点度相关统计 社区相关 average_degree_connectivity：顶点度平均degreecentrality：度中⼼ k-core：k度 k-shell：<k度剥离 clustering：社区聚集triangles：三角计数louvain：社区发现lpa：标签传播wcc：连通图 路径和遍历 average_shortest_path_length：平均最短路径bfs：⼴度优先 sssp：加权最短路径kshell：<k度剥离 案例介绍 Part03 示例 本案中所有数据及分析过程为应用开源数据集进⾏模拟分析，并⽆任何真实业务数据； •本案例数据来源于开源数据集IBM/AMLSim （https://github.com/IBM/AMLSim ）； •本场景分析过程中应用⼯具为Fabarta图智能分析平台； step5 模拟客户信息表、账 户信息、交易流⽔ 交易群体特征的发现 -筛选交易团伙 将发现的团伙特性 转化为任务执⾏ step2 交易个体特征的发现-筛选可疑交易个体 step4 针对团伙特性进⾏描述总结 step1 step3 交易个体特征的发现-筛选交易个体 统计所有账户的转⼊⾦额/转出⾦额比例 标准差法找出异常值：比平均值⾼出两个标准差的数据 围绕异常点过滤⼦图 围绕选定account:996账户展开其相关交易链路 通过图探查发现交易为多个账户转⼊汇聚到该账户上 围绕⼦图开展团伙发现 图结构特征的探查-三角计数 发现account:996的三角计数结果明显⾼于其他账户 通过图探索围绕账户account：996存在⼤量聚集 关联交易 结合聚类结果和结构特征的发现 针对上述发现的围绕账户“account:996”的聚集关联交易进⾏聚类分析-鲁汶算法 可以发现分组4中交易关系复杂，且交易总量达到148万，平均每笔6.7万，可 以确定为可疑团伙 针对分组4，进⼀步分析发现团伙分⼯ 统计分组内各账户的转⼊转出笔数 账户“account:996”为转⼊笔数显著⼤于转出笔数，为疑似接收者 账户“account:876”,“account:466”,“account:305”，均为发起 转⼊账户，为疑似发起者 其余账户参与交易，且转⼊转出笔数相似，疑似洗钱参与者 结合以上步骤的发现的图模式，建立对应的图模式任务，进⼀步在全量数据集中应用已 发现模式识别可疑团伙⾏为 总结 Part04 ⼀站式图智能分析平台总结 •可视化构建图模型； •支持结构化/非结构化数据库数据接⼊离线/实时接⼊； •多关系查询，相比关系型数据库有极⼤性能提升； •可视化展示⽅式； •⼀图胜千⾔； •可以⽅便展开上下级层级关系； Fabarta 图智能分析平台 •多种内置图分析算法及图模式模版； •支持图模式可视化配置及发现； •内置模型开发集成⼯具； •支持模型服务管理； •云原⽣分布式存算分离图数据库； •性能好，可扩展； 邮箱：business@fabarta.com 地址：北京市海淀区西北旺东路10号院东区10号楼1层104室