反洗钱识别方法、装置、计算机设备及存储介质与流程

技术特征：
1.一种反洗钱识别方法，其特征在于，包括以下步骤：获取多个用户的交易记录样本，对所述交易记录样本进行预处理以符合第一规则要求；其中，所述第一规则要求包括样本数量要求、样本平滑度要求、样本稀疏性要求以及正负样本比例要求中的任意一项或多项；获取所述交易记录样本中包含的第一样本特征，利用卷积神经网络训练预备识别模型，根据所述预备识别模型对于所述第一样本特征的输出数据从所述第一样本特征中选取第二样本特征；其中，所述第一样本特征的数量大于所述第二样本特征的数量；利用lightgbm模型和catboost模型从所述第二样本特征中选取第三样本特征，其中，所述第二样本特征的数量大于所述第三样本特征的数量；利用所述第三样本特征分别对所述卷积神经网络模型、所述lightgbm模型以及catboostcatboost模型进行训练，以得到第一识别模型、第二识别模型和第三识别模型；将目标用户的当前交易记录分别输入所述第一识别模型、所述第二识别模型和所述第三识别模型，根据所述第一识别模型、所述第二识别模型和所述第三识别模型的输出结果确定所述目标用户的交易行为是否存在洗钱风险。2.根据权利要求1所述的反洗钱识别方法，其特征在于，所述获取多个用户的交易记录样本，对所述交易记录样本进行预处理以符合第一规则要求的步骤包括：基于pac算法，确定所述预备识别模型的输出达到第一精度时所需要的第一样本数量；获取第一样本数量的所述交易记录样本，对所述交易记录样本进行归一化处理；对经过归一化处理的所述交易记录样本进行不同维度的组合，得到交易组合样本；基于数据增强算法增加所述交易组合样本中包含的正样本数量，以使所述交易组合样本中的正样本数量和负样本数量的比值达到第一比例；其中，所述正样本指的是确定存在洗钱风险的样本。3.根据权利要求2所述的反洗钱识别方法，其特征在于，所述基于数据增强算法增加所述交易组合样本中包含的正样本数量的步骤包括：确定所述交易组合样本中已有的第一正样本的第一分布规律；根据所述第一分布规律生成新的第二正样本；所述第二正样本的第二分布规律和所述第一分布规律相匹配。4.根据权利要求1-3中任一项所述的反洗钱识别方法，其特征在于，所述获取所述交易记录样本中包含第一样本特征，利用卷积神经网络训练预备识别模型，根据所述预备识别模型对于所述第一样本特征的输出数据从所述第一样本特征中选取第二样本特征的步骤包括：利用两种或两种以上特征评估算法确定所述第一样本特征对于所述预备识别模型的重要程度排序，以获得多个排序列表；根据所述多个排序列表中包含的第一样本特征中筛选所述第二样本特征。5.根据权利要求4所述的反洗钱识别方法，其特征在于，所述利用lightgbm模型和catboost模型从所述第二样本特征中选取第三样本特征的步骤包括：利用所述第二样本特征分别训练lightgbm模型和catboost模型，以获得所述第二样本特征对于所述lightgbm模型的重要程度排序列表，以及所述第二样本特征对于所述catboost模型的重要程度排序列表；
根据所述lightgbm模型的重要程度排序列表和所述catboost模型的重要程度排序列表筛选所述第三样本特征。6.根据权利要求1所述的反洗钱识别方法，其特征在于，所述利用所述第三样本特征分别对所述cnn模型、所述lgb模型以及catboost模型进行训练，以得到第一识别模型、第二识别模型和第三识别模型的步骤包括：根据所述多个用户的第一时期交易样本训练分别训练所述第一识别模型或第二识别模型或第三识别模型；获取所述第一识别模型或第二识别模型或第三识别模型输出数据的概率分布；根据所述概率分布对所述第一识别模型或第二识别模型或第三识别模型的内部参数进行调整，以使所述概率分布的宽度大于第一分布宽度。7.根据权利要求1所述的反洗钱识别方法，其特征在于，所述根据所述第一识别模型、所述第二识别模型和所述第三识别模型的输出结果确定所述目标用户的交易行为是否存在洗钱风险的步骤包括：当所述第一识别模型或所述第二识别模型或所述第三识别模型的输出结果中的任一个大于预设风险阈值时，确定所述目标用户的当前交易记录存在洗钱风险。8.一种反洗钱识别装置，其特征在于，包括：样本获取模块，适用于获取多个用户的交易记录样本，对所述交易记录样本进行预处理以符合第一规则要求；其中，所述第一规则要求包括样本数量要求、样本平滑度要求、样本稀疏性要求以及正负样本比例要求中的任意一项或多项；第一特征评估模块，适用于获取所述交易记录样本中包含第一样本特征，利用卷积神经网络训练预备识别模型，根据所述预备识别模型的输出从所述第一样本特征中选取第二样本特征；其中，所述第一样本特征的数量大于所述第二样本特征的数量；第二特征评估模块，适用于利用lightgbm模型和catboost模型从所述第二样本特征中选取第三样本特征，其中，所述第二样本特征的数量大于所述第三样本特征的数量；模型训练模块，适用于利用所述第三样本特征分别对所述cnn模型、所述lgb模型以及catboost模型进行训练，以得到第一识别模型、第二识别模型和第三识别模型；风险识别模块，适用于将目标用户的当前交易记录分别输入所述第一识别模型、所述第二识别模型和所述第三识别模型，根据所述第一识别模型、所述第二识别模型和所述第三识别模型的输出结果确定所述目标用户的交易行为是否存在洗钱风险。9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

技术总结
本发明提供一种反洗钱识别方法、装置、计算机设备及存储介质，所述方法包括：获取多个用户的交易记录样本，对所述交易记录样本进行预处理以符合第一规则要求；获取交易记录样本中包含的第一样本特征，利用卷积神经网络训练预备识别模型，根据所述预备识别模型对第一样本特征的输出数据从所述第一样本特征中选取第二样本特征；利用lightGBM模型和Catboost模型从第二样本特征中选取第三样本特征；利用所述第三样本特征分别对所述CNN模型、所述LGB模型以及Catboost模型进行训练，以得到第一识别模型、第二识别模型和第三识别模型；将目标用户的当前交易记录分别输入所述第一识别模型、所述第二识别模型和所述第三识别模型，以确定目标用户的交易行为是否存在洗钱风险。目标用户的交易行为是否存在洗钱风险。目标用户的交易行为是否存在洗钱风险。


技术研发人员：胥嘉栋 朱斌 傅群慧 朱尧
受保护的技术使用者：平安付科技服务有限公司
技术研发日：2021.12.13
技术公布日：2022/3/15