图数据库立足全局视角 助力发现反洗钱漏报误报

银行反洗钱交易监测工作面临严峻挑战

随着金融业不断发展，越来越多的银行业务移至线上，加之新型支付类型和支付方式的出现，使得洗钱问题日益突出，对金融安全和社会稳定造成严重的威胁。银行作为反洗钱的前沿阵地，做好反洗钱工作越来越受到监管部门和银行的重视。

传统的反洗钱交易监测系统存在自身的架构缺陷，底层架构基于关系型数据库，无论是对账号层数据，还是账号之间的关联，现有的机制都不具备全局视角，对反洗钱风险的评估还停留在单笔交易层面，但基于个体的调查很难直观有效地发现复杂的洗钱模式，难以洞察整个洗钱链路及洗钱团伙，容易造成大量的误报和漏报。而利用图技术可显著提升反洗钱检测的筛选能力，我们来通过两个应用场景来了解图技术的优势。

利用图技术发现反洗钱漏报

如今的洗钱手段不断翻新，洗钱者常常通过伪造错综复杂的身份和账户网络来将非法所得合法化，在海量的交易数据中找到深埋其中的漏报，非常的困难和费时。

例如，传统反洗钱机制中，针对新注册用户的一笔交易，如果这个用户此前没有金融交易历史记录，系统就不会将这个新注册用户列入高风险类别，那么他的这笔交易也被标记为低风险。通过图数据库进行深度链接分析之后发现，此用户与其他用户因为一些共同的属性而被关联到一起，如他们的居住地址和交易IP是共用的，并且关联用户中曾经有过一些洗钱的SAR预警，那么这个新注册账户也可能是高风险洗钱账户，对于这笔交易的判定也从低风险变成了高风险。由此可见，引用了图技术后，可以对新注册账户的关系网络进行分析，让深度关系表征图谱化，即便洗钱人员伪造了表层的身份信息及其他属性信息，也依旧能探索到更深层的关系信息。

新注册用户被评级系统标记为低风险账户

（传统方法并未考虑与该新客户存在未声明关系的高风险客户群）

引入关联图谱后的新注册账户评级情况

利用图技术减少反洗钱预警误报

传统反洗钱的行业平均误报率为95%，即大多数的警报最终判定与洗钱无关，真正有风险并需要提交的SAR警报只有不到5%。需要大量的人力对这些警报进行审查和调查，导致高昂的合规成本产生。

基于关系型数据库的解决方案架构忽视了数据背后隐藏的关联关系，视角单一，对很多关联账户和交易账户没有顺藤摸瓜排查，导致系统对结果做出误判。通过图数据库，将所有的数据进行关联，从交易本身出发，向交易的上下游进行深层追溯，追溯整个资金的流向，揭示客户、账户、资金交易和其他属性之间的关联关系，进而去掌握整个交易网络，以更全面的视野发现全局的洗钱模式及洗钱团伙，从而提升反洗钱检测的筛选能力，大大降低报警误报率。

FASGraphDB立足全局视角 让洗钱行为“有图可循”

中科金审自主研发的高性能FASGraphDB图数据库致力于数据的深度穿透，无视金融级数据的海量性和复杂性，支持海量数据的高效存储和查询分析。

和关系型数据库的二维表模型不同，图模型的优势是基于“点”和“边”的方式直观自然的表达现实世界的关联关系，能将所有的线索连接在一起，理出头绪、找出真相，最终形成对某事物的清晰理解。

基于灵活的图模型，FASGraphDB将银行内外部不同来源的数据汇集，并将数据之间的关系织成一张全局的“大网”，构建直观的高维数据关系网络和完整的动态用户画像，运用图分析、图挖掘、图神经网络等前沿算法，层层数据穿透，以可视化探索式分析的方式的展现账号之间的隐蔽关系，及时发现异常交易，精准定位可疑洗钱分子及隐秘团伙，让数据背后的真相都“有图可循”。FASGraphDB助力反洗钱交易监测实现从单点浅层视角到全局深度视角分析模式的转变，有利于分析资金流动痕迹，丰富反洗钱风险评价维度，有效提升反洗钱可疑交易检测的准确率，扩大对洗钱行为的监测范围，做到真正的智能风控。