[发明专利]一种复杂关联交易中洗钱交易的检测方法和系统

权利要求书

1.一种复杂关联交易中洗钱交易的检测方法，其特征在于，包括如下步骤：

(1)建立循环神经网络模型，采用已知是否为洗钱的多个交易数据对该循环神经网络模型进行训练，最终得到训练好的循环神经网络模型；

(2)采集未知是否为洗钱的相互关联的多个交易数据，并将其依次循环地输入到训练好的循环神经网络模型，得到是否为洗钱的判断结果。

2.根据权利要求1所述的复杂关联交易中洗钱交易的检测方法，其特征在于，所述的循环神经网络模型，可以将其当前的输出与下一个输入数据融合后，再输入到该模型中，从而形成数据的循环。

3.根据权利要求2所述的循环神经网络模型，其特征在于，所述的当前输出与下一个输入数据融合的方法，包括一种或多种的组合：拼接、相加、相乘。

4.根据权利要求1所述的复杂关联交易中洗钱交易的检测方法，其特征在于，对循环神经网络模型进行训练的方法为：

从已知是否为洗钱的交易数据中，选取一组关联交易，其包含多个交易数据，并按交易发生的时间排序，根据是否为洗钱，生成真实特征向量；

将该组交易中的第一个交易数据与初始特征向量融合，并输入到循环神经网络中，经过神经网络处理后，得到第一个输出特征向量；

将该组交易中的第二个交易数据与第一个输出特征向量融合，并输入到循环神经网络中，经过神经网络处理后，得到第二个输出特征向量；

按以上方式，依次处理该组交易中的其它交易数据；

经过多次循环神经网络处理后，得到最终特征向量；

根据给定的终止训练判断方法，如果需要继续训练，则根据给定的损失函数，计算最终特征向量与真实特征向量之间的损失，根据该损失，对模型反向传播，修正模型参数，并对修正后的模型继续进行训练；否则，得到训练好的循环神经网络模型。

5.根据权利要求4所述的对循环神经网络模型进行训练的方法，其特征在于，所述的真实特征向量由一个或多个值组成，所述的初始特征向量中的值的个数与真实特征向量中的值的个数保持一致，所述的最终特征向量中的值的个数与真实特征向量中的值的个数保持一致，所述的输出特征向量中的值的个数与真实特征向量中的值的个数保持一致。

6.根据权利要求4所述的对循环神经网络模型进行训练的方法，其特征在于，所述的真实特征向量和最终特征向量，均可以按照设定的方法，根据特征向量中的值，判断对应的一组交易数据是否为洗钱，也可以根据该方法，生成真实特征向量。

7.根据权利要求6所述的根据特征向量判断是否为洗钱的方法，其特征在于，判断的方法为以下一种方法或多种方法的组合：

选取特征向量中的一个值，若该值大于设定的阈值，则判断为是洗钱，否则，判断为不是洗钱；

选取特征向量中的一个值，若该值小于设定的阈值，则判断为是洗钱，否则，判断为不是洗钱；

选取特征向量中的两个值，若第一个值大于第二个值，则判断为是洗钱，否则，判断为不是洗钱。

8.根据权利要求1所述的复杂关联交易中洗钱交易的检测方法，其特征在于，判断一组交易数据是否为洗钱的方法为：

将该组交易中的第一个交易数据与初始特征向量融合，并输入到循环神经网络中，经过神经网络处理后，得到第一个输出特征向量；

将该组交易中的第二个交易数据与第一个输出特征向量融合，并输入到循环神经网络中，经过神经网络处理后，得到第二个输出特征向量；

按以上方式，依次处理该组交易中其它的每个交易数据；

经过多次循环神经网络处理后，得到最终特征向量，根据该特征向量中的值，确定该组交易是否为洗钱。

9.一种复杂关联交易中洗钱交易的检测系统，包括处理器和存储器，所述存储器上存储有用于在处理器上执行的计算机程序；其特征在于，所述处理器执行该计算机程序时，实现如权利要求1至7中任一项所述的检测方法。