报告

图数据分析在洗钱风险发现中的应用

摘要

在金融交易呈现线上化趋势的背景下,因具有非面对面的交易属性、交易快速便捷、交易频次和规模庞大、交易场景和环境复杂等,以及互联网模式和技术的日新月异,洗钱犯罪的规模、方式、速度等均发生巨大变化,在庞大的网络交易和行为数据的掩盖下,这给洗钱风险的发现带来挑战。反过来,网络关系数据的反洗钱应用,也将对洗钱风险深度发掘带来更大的想象空间。对于金融机构,尤其是能够掌握丰富网络数据的反洗钱义务主体,可以充分利用大数据和科技能力,更加有效识别和缓释其中的洗钱风险。本报告以关系网络和交易网络数据构建等理论为基础,研究在大数据时代,图数据分析技术在不同网络分析环境下的洗钱风险识别方法,以帮助反洗钱义务机构基于以“风险为本”的反洗钱原则有效缓释洗钱风险。

参考文献 查看全部 ↓
  • [1]Bryan Hooi,Hyun Ah Song et al.,“FRAUDAR:Bounding Graph Fraud in the Face of Camouflage,” KDD,2016.
  • [2]Bruna J.,Zaremba W.,Szlam A.et al.,“Spectral Networks and Locally Connected Networks on Graphs,” Computer Science,2013.
  • [3]Michale D.,Xavier B.,Pieere V.et al.,“Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering,” NIPS,2016.
  • [4]Kip F.T.N.,Welling M.,“Semi-Supervised Classification with Graph Convolutional Networks,”2016.
  • [5]Hamilton W.L.,Ying R.,Leskovec J.,“Inductive Representation Learning on Large Graphs,”2017.
  • [6]Ying R.,He R.,“Graph Convolutional Neural Networks for Web-Scale Recommender Systems,” KDD,2018.

图数据分析在洗钱风险发现中的应用

可试读20%内容 PDF阅读 阅读器阅览

试读已结束,剩余80%未读

¥3.76 查看全文 >

VIP免费