“慧安金科黄铃：机器学习具有参考数据纬度多、覆盖全面、拆析多而杂、判断

本篇文章784字，读完约2分钟

11月26日，年北京国际金融安全论坛分科会在北京金融安全产业园会议中心召开。 论坛的主题是“新结构下金融安全产业的集聚”。 慧安金科(北京)科技有限企业ceo黄铃出席论坛并发表演讲。

黄铃表示，洗钱集团目前在世界各地利用多个资源、多个账户，通过组织大规模合作进行洗钱、电信欺诈、网络欺诈等洗钱欺诈活动，这些

黄铃指出，风控行业的各标签、各标签的例子被欺诈，洗钱分子在欺诈、洗钱成功后被交换，以往使用黑白清单、ip信用库、规则系统的这些方法收集了大量数据 然后，新的欺诈、洗钱手段层出不穷，我们没有历史样本学习，所以没有标签能否事先检测到，对我们整个金融的风控合规、大数据观察、风险建模和决定有很多

对于规则引擎的可疑交易识别，机器学习具有参考数据纬度多、覆盖全面、分解多、杂乱无章、判断全面等客观优势。 机器学习包括监督学习、无监督学习和半监督学习。 其中，监督学习主要用于数据标注丰富、数据表现明显、数据饱和度高的可疑交易的识别和筛选。 没有监视学习和半监视学习，首先数据标签少，数据表现不明，数据饱和度不高，用于识别洗钱交易。 半监督学习适合异常相关和异常交易识别，对地下黑产、洗钱犯罪集团、许多杂项网络洗钱具有良好的识别性和说明性。 其中，无监督和半监督学习应用过程中的主要技术手段是基于拓扑学的图分解和聚类，对领域经验和算法的深入理解对机器学习效果有很大影响。

黄铃表示，慧安金科以自主开发的能动机器学习技术为核心开发的半监督能动型机器学习可疑交易识别模型，融合了洗钱专家的知识和经验，利用其行为数据和少量特征标签，对图进行分解、聚类、相关的 同时，模型可以自动学习未知的洗钱模型，适应不断变化的环境，生成可视化模型的决定结果和可解释的分解报告，使业务人员能够处理战略理由。 其积极的迭代技术，对抗恶意对方的故意干扰，使洗钱分子对模型的回避变得困难且昂贵。