基于異常知識發(fā)現(xiàn)和增量學習的銀行反洗錢系統(tǒng)設計.pdf

1、數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery in Databases，KDD)是近年來人工智能、數(shù)據(jù)庫等領域的研究熱點，其研究涵蓋了多個領域的多種知識發(fā)現(xiàn)方法，能夠發(fā)現(xiàn)關聯(lián)、分類、聚類和時間序列等多種知識類型。尤其隨著數(shù)據(jù)庫應用的不斷拓展和深化，從數(shù)據(jù)海洋里發(fā)現(xiàn)人們感興趣的知識成為人們的迫切需求，而這更進一步推動了KDD的研究和應用熱潮。
　　 隨著網(wǎng)絡和信息化建設的不斷推進，銀行積累了海量的客戶交易數(shù)據(jù)，但目前

2、對于數(shù)據(jù)的使用仍主要集中于日常的查詢和統(tǒng)計處理，至于KDD在其中的應用，還處于初始階段，主要是客戶關系管理、分析和市場營銷分析方面。另一方面，金融交易的安全與秩序受到愈來愈大的威脅，洗錢活動就是其中突出的一種，它嚴重威脅金融交易安全與秩序乃至國家經(jīng)濟安全，但反洗錢手段仍顯落后，對金融犯罪的打擊還處于人工干預階段，亟待引入相關的各種新技術提高反洗錢的效率。就我國的反洗錢工作來講，目前中國人民銀行主導的各銀行等相關機構(gòu)進行大額和可疑交易報告

3、，相關監(jiān)管機構(gòu)進行統(tǒng)計分析及相關后續(xù)處理的現(xiàn)行反洗錢系統(tǒng)存在突出缺陷：報告數(shù)據(jù)的海量與高誤報率、高漏報率，預設規(guī)則易被規(guī)避和自適應能力低。
　　 本文在現(xiàn)行反洗錢系統(tǒng)實踐與研究已有成果的基礎上，綜合利用相關異常知識發(fā)現(xiàn)技術(分類、聚類以及粗糙集學習理論等)研究設計了適于反洗錢的規(guī)則挖掘算法及洗錢檢測算法并進而采用增量學習思想設計實現(xiàn)了一個具有較高自適應能力的更高效的銀行反洗錢系統(tǒng)。這對于推動反洗錢研究，完善我國現(xiàn)行的反洗錢系統(tǒng)，

4、高效的開展反洗錢工作具有重要的意義。
　　 本文所做研究的主要內(nèi)容如下：
　　 首先，對知識發(fā)現(xiàn)與數(shù)據(jù)挖掘和反洗錢的基本概念、理論以及研究應用現(xiàn)狀和發(fā)展趨勢進行了綜述，著重分析了反洗錢的基本框架結(jié)構(gòu)以及目前反洗錢研究中常用的各類數(shù)據(jù)挖掘算法。
　　 其次，針對金融反洗錢檢測相關數(shù)據(jù)集海量，高稀疏性和分布不均衡等特征，基于粗糙集理論和現(xiàn)有的決策樹分類算法研究成果設計了基于決策分類熵的決策樹構(gòu)造算法實現(xiàn)反洗錢環(huán)境中洗

5、錢規(guī)則的高效挖掘，根據(jù)洗錢聚類分析與檢測的特點，充分借鑒現(xiàn)有的聚類算法及異常度量的研究成果設計了基于改進最小生成樹聚類的洗錢檢測與聚類分析算法實現(xiàn)對可疑洗錢記錄的二次聚焦并提供可疑程度供進一步深入分析。
　　 再次，采用本文設計的算法，圍繞知識庫的組織、構(gòu)建與增量學習設計了基于異常知識發(fā)現(xiàn)和增量學習的銀行反洗錢系統(tǒng)，并開發(fā)實現(xiàn)一個原型系統(tǒng)對提出的算法和設計的反洗錢系統(tǒng)進行了實驗及效果分析。
　　 最后，對本文進行的研究工