基于多层神经网络的洗钱风险评估方法.pdf

第36 卷 第22 期 计 算 机 工 程 2010 年11 月 Vol.36 No.22 Computer Engineering November 2010 ·人工智能及识别技术· 文章编号：1000—3428(2010)22—0181—03 文献标识码：A 中图分类号：TP393 基于多层神经网络的洗钱风险评估方法 徐璘俊，杨建刚 (浙江大学计算机科学与技术学院，杭州 310027) 摘 要：为了侦破采用信息技术手段的犯罪活动，需要强大的计算机智能系统。为此，提出一种利用神经网络，对银行客户潜在洗钱风险 进行分类的方法，作为完整系统的部分支持。利用主元分析确定最合适的数据集，依靠 L-M 和贝叶斯正则化方法来训练最优效果的网络。 实验结果表明，神经网络在解决目标问题的过程中比较有效。 关键词：反洗钱；智能数据分类；BP 神经网络；贝叶斯正则 Money Laundry Risk Evaluation Method Based on Multi-level Neural Network XU Lin-jun, YANG Jian-gang (College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China) 【Abstract 】Computer intelligent system is needed to crack crime activities using information technologies. This paper proposes a study aiming at constructing an effective anti money laundering system together with other respectable researches. A precise mode of BP network is constructed to evaluate the potential risk of money laundering of a certain bank account. Principle components analysis gives an inside view of data structure helping to find better input form for network. Levenberg-Marquardt algorithm accelerates the training process of BP impressively. And on the way generalization Bayesian regularization proves its value. Experimental result of the final system is satisfactory. 【Key words 】anti money laundering; intelligent data classification; BP neural network; Bayesian regularization 1 概述 2 数据原型和数值化处理 不明经济来源在现下一些重大案件中，往往是重要的疑 本文采用与文献[3]相同的数据来源，但是新的数据比原 点和证据。因此，为了逃避法律的制裁，犯罪分子利用各种 先增加了交易总额、交易次数等参数。表 1 列举了其中的 各样不断变化的