华夏银行法令合规部、龙盈智达、中科金审一起宣布「 商业银行反洗钱智能辨认模型使用探析 」专业文章，在银行反洗钱事务范畴提出“GREAT”智能化结构，并针对该结构中仿真模仿技能在商业银行反洗钱事务的使用进行实证剖析。该方法可以在确保查全率的基础上，进步挑选排查的查准率，

　　在当时科技与金融深层次地交融的时代背景下，我国反洗钱监督办理体系逐步齐备，赏罚力度慢慢地添加，各金融机构的反洗钱监测体系亟需凭借大数据、数据发掘、机器学习、图核算等智能技能进行迭代晋级。在商业银行反洗钱办理的事务实践中，完成反洗钱智能辨认模型准确率最大化、下降人工筛查本钱和误报率，已成为各商业银行的火急需求。

　　文章中从我国商业银行反洗钱事务实践动身，剖析当时反洗钱事务的数据特色，对构建反洗钱智能辨认模型存在的问题进行概括，即数据发掘与机器学习建模首要存在三方面技能难点： 一是正负样本极度不平衡； 二是因为事务冷启动形成的数据堆集缺乏、样本规划小； 三是模型的精准度缺乏。 针对上述难点，结合商业银行事务实践，文章中立异性提出以智能化算法建模处理反洗钱监测辨认问题的“GREAT结构”，即运用图技能(Graph based techniques)、强化学习技能(Reinforcement learning techniques)、集成学习技能(Ensemble learning techniques)、 仿真模仿技能(Analog simulation techniques)和搬迁学习技能(Transfer learning techniques)，以期为反洗钱监测辨认的智能化使用供给技能支撑。

　　而作为“GREAT”结构中的重要技能支撑，中科金审自主研制的FASGraph高性能图核算渠道，可为反洗钱监测辨认供给根据图技能的处理方案。FASGraph图核算渠道是集成图数据库、图核算引擎、机器学习和可视化交互剖析的一体化渠道，具有大规划、高性能、高牢靠等特色，无视银行级数据的海量性和杂乱性，经过对金融图谱构建、智能剖析和发掘相关，处理大数据量联系的存储、穿透、展现等问题。

　　文章中还说到，在反洗钱客户身份辨认工作中，很多的客户身份信息不完好，导致体系智能辨认的作用有限，很多的工作需要人工介入参加。 而运用“图技能——常识图谱”技能，对企业和个人的买卖、法人、股权等扑朔迷离的联系进行发掘，经过客户相相联系洞悉和反常相关结构发掘，发现契合反洗钱特征的反常图结构形式，辨认可疑账户群组，辨认反洗钱团伙，完成数据鉴别剖析智能化。

　　在反洗钱实践使用中，可利用FASGraph中图数据库本身结构的优势，在短时间内快速构建杂乱的可视化资金买卖图谱及完好的动态客户画像，经过各类智能图算法，提高反洗钱监测中客户身份辨认、资金穿透剖析才能，智能辨认可疑买卖、洗钱账户及洗钱团伙，丰厚反洗钱危险点评维度。FASGraph根据其“真相图”的特点，深度描写金融主体间的联系，让深度联系表征图谱化，使全部躲藏在数据背面的联系都有迹可循、有“图”可依。在使用FASGraph后将对洗钱行为完成较大规模的监控，有用 赋能商业银行反洗钱事务数字化开展，然后维护金融职业的健康开展。

　　中科金审（北京）科技有限公司成立于2013年，秉承“防控资金危险 保证经济安全”的企业任务，为银行、证券、稳妥、公安、纪委、监委、税务、海关等职业客户供给以图核算、人工智能技能为中心的场景化认知智能处理方案，协助客户处理数字化转型中面对的功率、本钱、价值问题。