(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210472737.8 (22)申请日 2022.04.29 (71)申请人 中银金融科技有限公司 地址 200120 上海市浦东 新区中国(上海) 自由贸易试验区银城中路200号4层 408室 (72)发明人 金鼎立　范文琦　戴准宇　章媛媛　 陆玥全　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 蔡彭君 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于多层感知机算法的洗钱交易识别 方法及系统 (57)摘要 本发明涉及一种基于多层感知机算法的洗 钱交易识别方法及系统， 获取客户的交易数据， 将客户交易数据送入训练好的机器学习模型中， 机器学习模 型给出洗钱可疑度得分， 根据洗钱可 疑度得分筛选出可疑案例， 对可疑案例进行甄 别； 采用多层感知机算法构建机器学习模型， 构 建包括多组交易数据的数据集， 将数据集划分为 训练集和测试集， 训练得到机器学习模型。 与现 有技术相比， 本发明提供了一种评估客户洗钱风 险的方案， 将反洗钱与机器学习中的多层感知机 算法结合起来， 根据客户的交易数据能够给出客 户的洗钱可疑度得分， 给甄别人员提供直观的参 考依据， 节省了人力， 提供了效率。 权利要求书2页 说明书7页 附图1页 CN 115222505 A 2022.10.21 CN 115222505 A 1.一种基于多层感知机算法的洗钱交易识别方法， 其特 征在于， 包括： 获取客户的交易数据， 将客户交易数据送入训练好的机器学习模型中， 机器学习模型 给出洗钱可疑度得分， 根据洗钱可疑度得分筛 选出可疑案例， 对可疑案例进行甄别； 所述机器学习模型的建立和训练过程如下： 构建数据集， 所述数据集包括多组交易数据， 所述交易数据的标签为洗钱和非洗钱， 所 述交易数据包括多个维度的特 征； 提取与洗钱操作存在关联的可疑特征， 对可疑特征所对应的值进行数据清洗、 空缺值 填充以及标准 化处理， 对可疑特 征进行降维处 理； 将数据集划分为训练集和测试集， 采用多层感知机算法构建机器学习模型， 并使用训 练集对机器学习模型进行训练， 使用测试集测试机器学习模型的预测准确 率， 若预测准确 率大于预设精度阈值， 则得到训练好的机器学习模型， 否则， 利用测试集更新训练集， 对机 器学习模型进行迭代优化， 得到训练好的机器学习模型。 2.根据权利要求1所述的一种基于多层感知机算法的洗钱交易识别方法， 其特征在于， 所述洗钱可疑度得分的取值越大， 说明该交易数据的洗钱可疑度越高， 根据洗钱可疑度得 分筛选出可疑案例具体为： 设定第一得分阈值F， 将洗钱可疑度得分大于F的交易数据作为 候选案例； 设定第一数量阈值K， 若候选案例的数量大于K， 则按洗钱可疑度 得分自高至低选择K个 候选案例作为可疑案例， 否则， 将所有的候选 案例作为可疑案例。 3.根据权利要求2所述的一种基于多层感知机算法的洗钱交易识别方法， 其特征在于， 对可疑案例进行甄别具体为： 确定方法甄别人员的经验度， 将甄别人员划分为M个不同的等级， 确定各个等级的甄别 人员的工作量； 将可疑案例按照洗钱可疑度得分的高低 排序， 按照各个等级的甄别人员的工作量将可 疑案例划分为M个不同的案例集， 分别由对应等级的甄别人员进行甄别。 4.根据权利要求1所述的一种基于多层感知机算法的洗钱交易识别方法， 其特征在于， 构建数据集具体为： 获取被报送的交易数据和未被报送的交易数据， 采用最邻 近重采样法对所述被报送的 交易数据进行重采样， 并加上随机扰动， 得到数据集。 5.根据权利要求1所述的一种基于多层感知机算法的洗钱交易识别方法， 其特征在于， 所述数据标准 化处理具体为： 对可疑特征中的离散型特征对应的数据， 采用One ‑Hot重新编码； 对可疑特征中的连续 型特征对应的数据， 用Mi n‑Max归一化方法将数据按比例缩放， 去除量纲。 6.根据权利要求1所述的一种基于多层感知机算法的洗钱交易识别方法， 其特征在于， 对可疑特 征进行降维处 理具体为： 利用主成分 分析法PCA将可疑特 征进行降维。 7.根据权利要求1所述的一种基于多层感知机算法的洗钱交易识别方法， 其特征在于， 采用多层感知机算法构建机器学习模型， 最底层是输入层， 中间层是隐藏层， 最后是输出 层， 输入层与隐藏层之间是全连接的， 输入层的输入为向量X， X的维度为降维处理后的特征 维度， 隐藏层的输出为f(W1X+b1)， 其中， W1为连接系数， b1为偏置， f为sigmoid函数或者 tanh函数。权　利　要　求　书 1/2 页 2 CN 115222505 A 28.一种基于多层感知机算法的洗钱交易识别系统， 其特 征在于， 包括： 洗钱交易识别模块， 被配置为： 获取客户的交易数据， 将客户交易数据送入训练好的机 器学习模 型中， 机器学习模型给出洗钱 可疑度得分， 根据洗钱 可疑度得分筛选出可疑案例， 对可疑案例进行甄别； 模型训练模块， 被配置为： 构建数据集， 所述数据集包括多组交易数据， 所述交易数据 的标签为洗钱和非洗钱， 所述交易数据包括多个维度的特 征； 提取与洗钱操作存在关联的可疑特征， 对可疑特征所对应的值进行数据清洗、 空缺值 填充以及标准 化处理， 对可疑特 征进行降维处 理； 将数据集划分为训练集和测试集， 采用多层感知机算法构建机器学习模型， 并使用训 练集对机器学习模型进行训练， 使用测试集测试机器学习模型的预测准确 率， 若预测准确 率大于预设精度阈值， 则得到训练好的机器学习模型， 否则， 利用测试集更新训练集， 对机 器学习模型进行迭代优化， 得到训练好的机器学习模型。 9.根据权利要求8所述的一种基于多层感知机算法的洗钱交易识别系统， 其特征在于， 构建数据集具体为： 获取被报送的交易数据和未被报送的交易数据， 采用最邻 近重采样法对所述被报送的 交易数据进行重采样， 并加上随机扰动， 得到数据集。 10.根据权利要求8所述的一种基于多层感知机算法的洗钱交易识别系统， 其特征在 于， 所述数据标准 化处理具体为： 对可疑特征中的离散型特征对应的数据， 采用One ‑Hot重新编码； 对可疑特征中的连续 型特征对应的数据， 用Mi n‑Max归一化方法将数据按比例缩放， 去除量纲。权　利　要　求　书 2/2 页 3 CN 115222505 A 3