张 昊,黄 蔚,胡国超

(华北计算技术研究所,北京 100083)

0 引 言

洗钱犯罪严重破坏经济稳定，同时还为诸如毒品、恐怖活动犯罪、贪污腐败提供了便利，严重影响了社会稳定[1]。对于洗钱行为的发现一般流程是通过发现可疑交易，将可疑账号以及与该账号有交易关系的相关账号一并推送给公安机关进行立案分析，其中一个重要步骤是区分钱庄的经营账号以及与钱庄发生交易的客户账号。受限于信息化建设，对洗钱活动的线索挖掘仍处于人工判别的阶段。公安机关利用调查交易量较大的账户，通过审讯等手段进行分析。该方法大量依赖人力物力，分析周期长。

随着机器学习技术的发展，人们尝试在经济犯罪领域使用。这些研究多着眼于在大量交易中找出异常交易，但是对于找出的异常交易者进行身份判定的研究较少。近年来的研究包括Tang[2]提出的基于交易特征的交叉孤立点检测模型，李欣月等人[3]提出的基于CURE聚类算法的交易离群点识别。该类算法利用交易者的交易统计信息以及背景信息找出异于主体数据的个体以识别可疑交易。以上算法仅仅从交易统计的偏离度入手，并没有考虑到交易的时序性，也没有将与之交易的上下游纳入分析。张璐[4]利用小波分析，找出某个经济主体在时序上交易的突变，并利用突变的程度来判断是否涉及洗钱，但是在区分钱庄与客户时没有考虑交易网络结构，因此在实际使用中往往效果欠佳。……