基于行業(yè)知識(shí)與知識(shí)圖譜的會(huì)計(jì)案防智能平臺(tái)

陳 強(qiáng)，代仕婭

(1.興業(yè)銀行 信息科技部，上海 201201；2.興業(yè)數(shù)字金融服務(wù)股份有限公司，上海 201210)

0 引 言

隨著商業(yè)銀行的業(yè)務(wù)范圍不斷拓展，經(jīng)營(yíng)環(huán)境日趨復(fù)雜，會(huì)計(jì)風(fēng)險(xiǎn)案件的發(fā)生也日益頻繁，涵蓋了資金詐騙、虛假交易、惡意刷單、非法集資等多種多樣的作案方式。會(huì)計(jì)風(fēng)險(xiǎn)事件一方面風(fēng)險(xiǎn)案件涉及金額通常較大，一旦發(fā)生將給商業(yè)銀行帶來嚴(yán)重的資金損失并產(chǎn)生較負(fù)面的社會(huì)聲譽(yù)影響；另一方面各類風(fēng)險(xiǎn)事件的作案方法越發(fā)復(fù)雜，內(nèi)外部勾結(jié)、團(tuán)伙合作等案件較難及時(shí)察覺，銀行往往缺乏有效的識(shí)別手段。這些都對(duì)銀行傳統(tǒng)的風(fēng)險(xiǎn)管理模式提出更嚴(yán)峻的挑戰(zhàn)，需要借助新技術(shù)、新方法來實(shí)現(xiàn)更有效的應(yīng)對(duì)。

近年來，金融科技蓬勃發(fā)展，驅(qū)動(dòng)金融業(yè)務(wù)經(jīng)營(yíng)與管理模式的創(chuàng)新變革。央行《金融科技發(fā)展規(guī)劃(2019-2021年)》明確指出，金融科技已成為防范化解金融風(fēng)險(xiǎn)的新利器，是新形勢(shì)下金融風(fēng)險(xiǎn)管理的內(nèi)在需求和重要選擇。以大數(shù)據(jù)、人工智能、知識(shí)圖譜等為代表的前沿技術(shù)能夠?qū)Ω囝愋?、更豐富的數(shù)據(jù)進(jìn)行處理計(jì)算，從紛繁的信息中提煉、挖掘出潛在的風(fēng)險(xiǎn)特征，實(shí)現(xiàn)早識(shí)別、早預(yù)警、早管控，從而降低風(fēng)險(xiǎn)事件的損失，提升風(fēng)險(xiǎn)管理的時(shí)效性、前瞻性與精準(zhǔn)性。

該文將金融科技相關(guān)的思維、理念與技術(shù)融入會(huì)計(jì)案件防控業(yè)務(wù)中，提出一種將傳統(tǒng)的會(huì)計(jì)案防業(yè)務(wù)規(guī)則與金融知識(shí)圖譜相結(jié)合的會(huì)計(jì)案防智能化平臺(tái)建設(shè)方案。該文將重點(diǎn)介紹平臺(tái)的整體架構(gòu)，闡述大數(shù)據(jù)、知識(shí)圖譜等技術(shù)在平臺(tái)不同層面的交互應(yīng)用，以及在此支撐下形成的全流程、自動(dòng)化運(yùn)作體系。最后，基于真實(shí)的金融行業(yè)會(huì)計(jì)欺詐案件以及多維業(yè)務(wù)數(shù)據(jù)，展示該平臺(tái)的智能化運(yùn)行及對(duì)風(fēng)險(xiǎn)案件的識(shí)別效果。

1 行業(yè)相關(guān)性智能化研發(fā)探索及創(chuàng)新平臺(tái)

1.1 商業(yè)銀行風(fēng)控的智能化探索

商業(yè)銀行在防范會(huì)計(jì)欺詐案件時(shí)往往基于業(yè)務(wù)經(jīng)驗(yàn)以人工方式進(jìn)行排查，一是經(jīng)驗(yàn)規(guī)則組合的覆蓋范圍有限，較難發(fā)現(xiàn)全局性、關(guān)聯(lián)性的特征，對(duì)團(tuán)伙這類復(fù)雜的欺詐模式識(shí)別力度不夠；二是核查方式多偏向于事后檢查，時(shí)效性較低，且需耗費(fèi)大量的人力，難以對(duì)風(fēng)險(xiǎn)事件進(jìn)行及時(shí)的管控，故需要充分借助信息科技手段來提升會(huì)計(jì)案件風(fēng)險(xiǎn)防范的智能化水平。姜增明等(2019)指出商業(yè)銀行反欺詐的關(guān)鍵在于建立以大數(shù)據(jù)為支撐的風(fēng)控體系，采用知識(shí)圖譜、社交網(wǎng)絡(luò)分析等技術(shù)以更有效地防范復(fù)雜模式下的欺詐風(fēng)險(xiǎn)；吳建光(2020)指出金融科技在會(huì)計(jì)非現(xiàn)場(chǎng)監(jiān)控工作中的應(yīng)用實(shí)現(xiàn)了對(duì)會(huì)計(jì)異常數(shù)據(jù)的自動(dòng)監(jiān)控、自動(dòng)預(yù)警、自動(dòng)通知，能有效提升會(huì)計(jì)監(jiān)控的效率。

1.2 行業(yè)應(yīng)用平臺(tái)的智能化創(chuàng)新

大數(shù)據(jù)平臺(tái)、人工智能平臺(tái)等作為重要的新型技術(shù)基礎(chǔ)設(shè)施，推動(dòng)著各行業(yè)各領(lǐng)域的數(shù)字化、智能化轉(zhuǎn)型。康波等(2019)提出了面向行業(yè)應(yīng)用場(chǎng)景的大數(shù)據(jù)、人工智能等基礎(chǔ)平臺(tái)融合建設(shè)方案，實(shí)現(xiàn)數(shù)據(jù)的整合共享、高性能計(jì)算和統(tǒng)一數(shù)據(jù)建模，并基于平臺(tái)推出了面向智能診療、智能輔助駕駛等多領(lǐng)域的應(yīng)用。曹峰等(2018)指出金融等傳統(tǒng)行業(yè)對(duì)人工智能應(yīng)用的需求不斷提升，相關(guān)計(jì)算平臺(tái)和應(yīng)用服務(wù)平臺(tái)的統(tǒng)籌建設(shè)，是垂直行業(yè)智能化產(chǎn)品落地的重要基礎(chǔ)，能有效推動(dòng)社會(huì)經(jīng)濟(jì)智能化水平的提升。工商銀行基于大數(shù)據(jù)、人工智能技術(shù)搭建了新一代反洗錢智能平臺(tái)，對(duì)海量金融交易進(jìn)行監(jiān)測(cè)，在降低異常交易預(yù)警的同時(shí)，也極大地提高了欺詐交易的命中率。

該文將傳統(tǒng)會(huì)計(jì)案防領(lǐng)域的業(yè)務(wù)規(guī)則與大數(shù)據(jù)、知識(shí)圖譜等技術(shù)相結(jié)合，構(gòu)建了面向金融行業(yè)的會(huì)計(jì)案防智能化平臺(tái)，將金融業(yè)務(wù)中實(shí)際發(fā)生過的15個(gè)代表性會(huì)計(jì)欺詐案件為設(shè)計(jì)藍(lán)本，對(duì)行業(yè)規(guī)則進(jìn)行指標(biāo)化拆解與計(jì)算，并構(gòu)建金融知識(shí)圖譜以提取與挖掘關(guān)聯(lián)風(fēng)險(xiǎn)特征。實(shí)驗(yàn)結(jié)果表明，所構(gòu)建的智能化平臺(tái)實(shí)現(xiàn)了全流程、自動(dòng)化的會(huì)計(jì)案件防范規(guī)則配置，并能對(duì)會(huì)計(jì)風(fēng)險(xiǎn)事件進(jìn)行有效的甄別、預(yù)警與監(jiān)控。

2 會(huì)計(jì)案防智能化平臺(tái)構(gòu)建方案

2.1 智能化平臺(tái)整體架構(gòu)

會(huì)計(jì)案防智能化平臺(tái)主要由數(shù)據(jù)處理層、智能分析層、業(yè)務(wù)應(yīng)用層等部分組成，能對(duì)會(huì)計(jì)案件核查規(guī)則進(jìn)行自動(dòng)化配置，以實(shí)現(xiàn)風(fēng)險(xiǎn)的智能化核查、分析、預(yù)警等功能。平臺(tái)的整體架構(gòu)如圖1所示。

圖1 會(huì)計(jì)案防智能化平臺(tái)架構(gòu)

整個(gè)會(huì)計(jì)案防智能化平臺(tái)最底層連接各業(yè)務(wù)領(lǐng)域的數(shù)據(jù)系統(tǒng)，采集賬戶、企業(yè)、個(gè)人等會(huì)計(jì)案件多維度信息，為風(fēng)險(xiǎn)識(shí)別提供基礎(chǔ)數(shù)據(jù)來源。

數(shù)據(jù)處理層集成了多種主流大數(shù)據(jù)相關(guān)功能組件，實(shí)現(xiàn)了從原始數(shù)據(jù)采集、轉(zhuǎn)換、加工、各式處理及復(fù)雜業(yè)務(wù)計(jì)算的全過程。該平臺(tái)主體采用Hadoop分布式系統(tǒng)架構(gòu)，在MapReduce批量處理的基礎(chǔ)上，通過Hbase和Phoenix解決統(tǒng)一查證準(zhǔn)實(shí)時(shí)查詢性能問題；基于Spark生態(tài)系統(tǒng)，借助Spark Streaming對(duì)會(huì)計(jì)案防業(yè)務(wù)中的賬戶交易等實(shí)時(shí)信息進(jìn)行處理，依托采用Spark mllib滿足案防場(chǎng)景中機(jī)器學(xué)習(xí)建模的需求，通過SparkSQL實(shí)現(xiàn)案防場(chǎng)景復(fù)雜規(guī)則計(jì)算和靈活的數(shù)據(jù)探索。同時(shí)，將會(huì)計(jì)案防相關(guān)主體和關(guān)系以節(jié)點(diǎn)、邊的圖數(shù)據(jù)模式存儲(chǔ)在圖數(shù)據(jù)庫(kù)中，供進(jìn)一步的圖查詢與圖計(jì)算。

智能分析層在數(shù)據(jù)存儲(chǔ)及加工的基礎(chǔ)上，對(duì)行業(yè)知識(shí)與金融知識(shí)圖譜關(guān)聯(lián)特征進(jìn)行提煉、展示與配置。其中，指標(biāo)體系是對(duì)金融行業(yè)知識(shí)充分歸納、沉淀的結(jié)果，將會(huì)計(jì)案防業(yè)務(wù)邏輯進(jìn)行解析，形成基礎(chǔ)指標(biāo)庫(kù)，是識(shí)別會(huì)計(jì)案件風(fēng)險(xiǎn)的重要基礎(chǔ)知識(shí)。金融知識(shí)圖譜平臺(tái)依托各類圖計(jì)算引擎，采用多種圖分析方法，在關(guān)聯(lián)圖譜的基礎(chǔ)上結(jié)合業(yè)務(wù)分析經(jīng)驗(yàn)挖掘提取關(guān)聯(lián)規(guī)則，能更充分地識(shí)別隱藏的深層語(yǔ)義聯(lián)系。決策配置平臺(tái)將基礎(chǔ)指標(biāo)與關(guān)聯(lián)風(fēng)險(xiǎn)特征相結(jié)合，構(gòu)建出完整的規(guī)則指標(biāo)體系，并通過規(guī)則的組合、嵌套進(jìn)行靈活調(diào)整配置，實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)案件進(jìn)行動(dòng)態(tài)、有效地查詢、識(shí)別與監(jiān)測(cè)。

2.2 指標(biāo)體系構(gòu)建

在商業(yè)銀行會(huì)計(jì)案防工作中，基于長(zhǎng)期業(yè)務(wù)經(jīng)驗(yàn)積累形成的風(fēng)險(xiǎn)規(guī)則邏輯，是識(shí)別欺詐案件的重要行業(yè)知識(shí)。而會(huì)計(jì)案防業(yè)務(wù)中原始的規(guī)則邏輯大都以文本的形式描述，不利于更新迭代，需要先對(duì)規(guī)則文本進(jìn)行進(jìn)一步拆解，形成指標(biāo)化的規(guī)則集。以一條大額定期存款賬戶交易的規(guī)則邏輯為例，原始的規(guī)則邏輯描述為“近一年在原存期內(nèi)，本行對(duì)公定期存款賬戶發(fā)生借方出賬金額達(dá)到單筆>=7 000萬(wàn)元，且交易對(duì)手為銀行內(nèi)部賬戶(原存期是指，在賬戶到期之前提前進(jìn)行資金的支取)”，基于該文本描述的方式無(wú)法實(shí)現(xiàn)規(guī)則的線上自動(dòng)化識(shí)別，需要對(duì)其進(jìn)行分拆解耦。

首先對(duì)這條規(guī)則進(jìn)行拆解，提取出關(guān)鍵的識(shí)別因素，如“賬戶類型”、“借貸標(biāo)志”、“資金提取類型”、“交易金額”、“對(duì)手賬戶類型”等，再基于數(shù)據(jù)處理平臺(tái)的計(jì)算引擎對(duì)指標(biāo)進(jìn)行加工計(jì)算，得到具體的指標(biāo)值。在業(yè)務(wù)應(yīng)用中，對(duì)每一條規(guī)則設(shè)置相應(yīng)的閾值以及組合邏輯，以形成指標(biāo)化的規(guī)則策略。拆解方法如表1所示。

表1 指標(biāo)規(guī)則化拆解示例

2.3 金融知識(shí)圖譜子平臺(tái)

金融知識(shí)圖譜主要是通過大規(guī)模語(yǔ)義網(wǎng)絡(luò)，將金融領(lǐng)域中結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等不同類型的數(shù)據(jù)進(jìn)行整合，并以圖連接的形式加以展現(xiàn)。知識(shí)圖譜以實(shí)體或者概念作為節(jié)點(diǎn)，節(jié)點(diǎn)之間以關(guān)系為邊相連接，通過知識(shí)推理、算法建模等技術(shù)挖掘?qū)嶓w之間的關(guān)聯(lián)關(guān)系特征，探尋出業(yè)務(wù)現(xiàn)象背后隱藏的深層邏輯，使分析預(yù)測(cè)、搜索推薦、查詢決策等金融服務(wù)更加智慧、精準(zhǔn)，進(jìn)而增強(qiáng)金融機(jī)構(gòu)業(yè)務(wù)的智能化水平。

2.3.1 金融知識(shí)圖譜子平臺(tái)的相關(guān)架構(gòu)

金融知識(shí)圖譜相關(guān)子模塊主要由圖存儲(chǔ)、圖計(jì)算、圖分析、圖規(guī)則等部分構(gòu)成，各個(gè)子模塊和子平臺(tái)之間相互獨(dú)立，又在業(yè)務(wù)流程上有一定的連通，整體架構(gòu)如圖2所示。

圖2 金融知識(shí)圖譜子平臺(tái)相關(guān)技術(shù)架構(gòu)

來自各個(gè)業(yè)務(wù)系統(tǒng)的會(huì)計(jì)案防相關(guān)數(shù)據(jù)信息一方面被加工、計(jì)算成業(yè)務(wù)指標(biāo)，即用于生成最終的指標(biāo)體系；另一方面經(jīng)預(yù)處理后以圖結(jié)構(gòu)的數(shù)據(jù)形式存儲(chǔ)于neo4j、Janus Graph等分布式圖數(shù)據(jù)庫(kù)中以供后續(xù)的圖計(jì)算與分析，同時(shí)預(yù)處理數(shù)據(jù)也通過構(gòu)建索引的形式存儲(chǔ)于ElasticSearch搜索分析引擎中，實(shí)現(xiàn)高靈活性、高準(zhǔn)確性、低延時(shí)及大規(guī)模并行化的檢索查詢。基于構(gòu)建并存儲(chǔ)好的會(huì)計(jì)案防知識(shí)圖譜，采用GraphX、Gremlin等圖計(jì)算引擎進(jìn)行全局的圖分析與圖推理，提取出圖結(jié)構(gòu)中的關(guān)聯(lián)風(fēng)險(xiǎn)特征，并依托Spark mllib、python機(jī)器學(xué)習(xí)庫(kù)以及TensorFlow深度學(xué)習(xí)框架構(gòu)建圖預(yù)測(cè)模型，能夠更深入地挖掘出關(guān)鍵節(jié)點(diǎn)、團(tuán)伙關(guān)聯(lián)等隱藏特征，挖掘出群體作案風(fēng)險(xiǎn)。這些圖分析、圖模型結(jié)果最終融入傳統(tǒng)的業(yè)務(wù)規(guī)則指標(biāo)，共同構(gòu)成完整的知識(shí)規(guī)則體系，實(shí)現(xiàn)了淺層經(jīng)驗(yàn)知識(shí)與深層挖掘知識(shí)的結(jié)合，從而有助于提升會(huì)計(jì)案件防范的智能化效果。

2.3.2 金融知識(shí)圖譜的計(jì)算與分析

在平臺(tái)方案中，通過語(yǔ)義框架，確定圖網(wǎng)絡(luò)中的實(shí)體及實(shí)體間的關(guān)系；然后從多源異構(gòu)數(shù)據(jù)中提取出實(shí)體、關(guān)系及屬性，并識(shí)別語(yǔ)義進(jìn)行關(guān)系與屬性匹配，最終以“關(guān)系-實(shí)體-關(guān)系”三元組的形式存儲(chǔ)在圖數(shù)據(jù)庫(kù)中，形成會(huì)計(jì)案防領(lǐng)域金融知識(shí)圖譜。通過對(duì)知識(shí)圖譜的網(wǎng)絡(luò)結(jié)構(gòu)的分析與挖掘，識(shí)別隱藏的關(guān)聯(lián)風(fēng)險(xiǎn)特征，是更深入預(yù)判會(huì)計(jì)案件欺詐行為的有效手段。

金融知識(shí)圖譜的關(guān)系挖掘主要指采用知識(shí)推理、圖算法等圖技術(shù)，從交易路徑、關(guān)聯(lián)強(qiáng)弱、單個(gè)賬戶、團(tuán)伙賬戶等多維度挖掘出賬戶交易關(guān)系中隱藏的高風(fēng)險(xiǎn)特征，大致如下：

(1)面向賬戶關(guān)系挖掘的圖計(jì)算。

資金交易比重分析主要用來測(cè)算某一賬戶與各交易賬戶之間資金轉(zhuǎn)移金額的占比情況，當(dāng)某一賬戶出現(xiàn)異常交易行為時(shí)，能夠迅速對(duì)資金交易份額較大的主要關(guān)聯(lián)賬戶進(jìn)行重點(diǎn)關(guān)注與核查，及時(shí)預(yù)防與管控風(fēng)險(xiǎn)。

賬戶關(guān)聯(lián)強(qiáng)度分析主要從路徑排序、交易權(quán)重等方面探索兩個(gè)賬戶之間關(guān)聯(lián)交易的密切程度，尤其是對(duì)于兩者之間無(wú)直接的資金交易，但經(jīng)過一系列中間賬戶后形成資金往來的賬戶，通過關(guān)聯(lián)強(qiáng)度的分析，可以挖掘出賬戶之間隱藏的交易聯(lián)系。

PageRank最初是通過網(wǎng)頁(yè)的鏈接數(shù)量來判斷某一網(wǎng)頁(yè)的重要性，運(yùn)用在知識(shí)圖譜中，其思想的核心在于一個(gè)節(jié)點(diǎn)的影響力能通過與其相連節(jié)點(diǎn)的影響力來綜合衡量，故可通過用知識(shí)圖譜中每個(gè)節(jié)點(diǎn)的重要程度來計(jì)算，找到會(huì)計(jì)案件中的關(guān)鍵賬戶。

聚類算法根據(jù)賬戶在各個(gè)維度的特點(diǎn)進(jìn)行類別劃分，將具有相同特征的賬戶歸集為同一類別，有利于發(fā)現(xiàn)行為相似的賬戶群體。

(2)面向賬戶關(guān)系挖掘的知識(shí)推理。

賬戶分層模式識(shí)別主要通過圖模式探索資金在各個(gè)賬戶之間轉(zhuǎn)移的路徑，通過對(duì)交易路徑的追蹤，找到資金最終的流向，特別適用于挖掘多層復(fù)雜場(chǎng)景下資金通過中間賬戶過渡轉(zhuǎn)移的現(xiàn)象，有助于判斷賬戶是否存在違規(guī)使用資金、進(jìn)行高風(fēng)險(xiǎn)投資等行為。

資金轉(zhuǎn)移模式識(shí)別主要用來判斷兩種典型的可疑賬戶交易模式，一種是分散轉(zhuǎn)入、集中轉(zhuǎn)出，該模式常常蘊(yùn)含非法集資的風(fēng)險(xiǎn)；另一種模式是集中轉(zhuǎn)入、分散轉(zhuǎn)出，與前一種模式正好相反，該模式通常存在較大程度的洗錢嫌疑，也可將交易模式圖轉(zhuǎn)換為交易波形圖，以波形的相似程度來定量評(píng)估賬戶交易模式的相似程度。

2.4 決策配置子平臺(tái)

決策配置平臺(tái)將行業(yè)經(jīng)驗(yàn)生成的規(guī)則指標(biāo)以及從知識(shí)圖譜中提煉的關(guān)聯(lián)特征進(jìn)行匯集，形成完整的指標(biāo)體系，并根據(jù)風(fēng)險(xiǎn)特征對(duì)指標(biāo)進(jìn)行靈活的配置與應(yīng)用，同時(shí)根據(jù)指標(biāo)配置后的規(guī)則在業(yè)務(wù)中的實(shí)際運(yùn)行效果，對(duì)指標(biāo)進(jìn)行再開發(fā)與調(diào)試，以不斷適應(yīng)業(yè)務(wù)的發(fā)展演變。其運(yùn)行流程如圖3所示。

圖3 決策配置子平臺(tái)規(guī)則配置流程

3 平臺(tái)方案的實(shí)驗(yàn)設(shè)計(jì)與測(cè)試結(jié)果

在實(shí)驗(yàn)中，以銀行內(nèi)部的賬戶、企業(yè)、個(gè)人、機(jī)構(gòu)等多維度信息作為數(shù)據(jù)基礎(chǔ)，構(gòu)建賬戶知識(shí)圖譜，提取出關(guān)聯(lián)風(fēng)險(xiǎn)特征，并以實(shí)際金融活動(dòng)中真實(shí)發(fā)生的15起會(huì)計(jì)風(fēng)險(xiǎn)案件作為欺詐樣本，將風(fēng)險(xiǎn)案件特點(diǎn)與行業(yè)知識(shí)經(jīng)驗(yàn)結(jié)合形成規(guī)則邏輯，依托智能平臺(tái)，對(duì)規(guī)則邏輯拆解加工后形成基礎(chǔ)指標(biāo)規(guī)則，并與關(guān)聯(lián)風(fēng)險(xiǎn)特征相結(jié)合，形成完整的會(huì)計(jì)案件欺詐識(shí)別規(guī)則體系。最后，以安徽同業(yè)、齊魯銀行等銀行內(nèi)外部的風(fēng)險(xiǎn)案件作為測(cè)試樣本，實(shí)際驗(yàn)證會(huì)計(jì)案防智能化平臺(tái)的功能運(yùn)行及風(fēng)險(xiǎn)識(shí)別的有效性。

3.1 金融知識(shí)圖譜構(gòu)建與業(yè)務(wù)關(guān)聯(lián)特征提取

智能化平臺(tái)金融知識(shí)圖譜用于對(duì)交易賬戶關(guān)聯(lián)關(guān)系的分析，圖網(wǎng)絡(luò)結(jié)構(gòu)所標(biāo)識(shí)的實(shí)體主要包含兩類，一類是賬戶實(shí)體，包含企業(yè)、個(gè)人開立的可發(fā)生資金交易行為的銀行賬戶；另一類是非賬戶實(shí)體，如經(jīng)營(yíng)機(jī)構(gòu)、操作設(shè)備等。對(duì)應(yīng)的實(shí)體之間的關(guān)系也主要分為兩類，一是賬戶與賬戶之間，主要是交易關(guān)系，由是否有資金往來確定，若發(fā)生過轉(zhuǎn)賬、支付等交易行為，則有交易關(guān)系；二是賬戶與非賬戶之間，具體關(guān)系需要根據(jù)非賬戶實(shí)體確定，如賬戶與經(jīng)營(yíng)機(jī)構(gòu)之間是開戶關(guān)系，賬戶與操作設(shè)備之間是使用關(guān)系。構(gòu)成的知識(shí)圖譜如圖4所示，箭頭表示資金的流向，箭頭的粗細(xì)表示資金轉(zhuǎn)移金額的大小。

圖4 賬戶交易關(guān)聯(lián)關(guān)系知識(shí)圖譜示例

采用前述知識(shí)圖譜挖掘方法，并結(jié)合關(guān)聯(lián)圖譜的基礎(chǔ)網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系，智能化平臺(tái)更全面、深入地提取出了一些具有較高欺詐風(fēng)險(xiǎn)的關(guān)聯(lián)特征，如表2所示。

表2 知識(shí)圖譜關(guān)聯(lián)特征示例

3.2 指標(biāo)體系與規(guī)則配置

通過對(duì)行業(yè)知識(shí)經(jīng)驗(yàn)的拆解分析，構(gòu)建了涵蓋客戶、賬戶、交易、員工、營(yíng)業(yè)機(jī)構(gòu)等不同維度的基礎(chǔ)指標(biāo)。由于在會(huì)計(jì)欺詐案件防范中，單個(gè)指標(biāo)難以起到精準(zhǔn)識(shí)別的效果，需要根據(jù)業(yè)務(wù)風(fēng)險(xiǎn)特點(diǎn)對(duì)指標(biāo)設(shè)置合理的閾值并進(jìn)行靈活的組合，以形成相應(yīng)的業(yè)務(wù)規(guī)則。智能化平臺(tái)將基礎(chǔ)指標(biāo)與基于知識(shí)圖譜提取的關(guān)聯(lián)風(fēng)險(xiǎn)特征相整合，并對(duì)各類指標(biāo)進(jìn)行靈活的多樣化組合配置(如圖5所示)，在豐富規(guī)則體系的同時(shí)，能夠根據(jù)會(huì)計(jì)案件風(fēng)險(xiǎn)特征的變化及時(shí)調(diào)整預(yù)警規(guī)則，提升案件識(shí)別的動(dòng)態(tài)性、前瞻性。

圖5 規(guī)則組合配置示例

3.3 平臺(tái)測(cè)試結(jié)果

3.3.1 風(fēng)險(xiǎn)識(shí)別精準(zhǔn)性

以安徽同業(yè)、齊魯銀行等金融詐騙事件以及銀行內(nèi)部違規(guī)操作案件作為代表性的測(cè)試樣本，驗(yàn)證智能化平臺(tái)對(duì)風(fēng)險(xiǎn)特征識(shí)別的精準(zhǔn)性，測(cè)試表明這些案件均觸發(fā)了多條規(guī)則組合，及時(shí)生成高風(fēng)險(xiǎn)預(yù)警提示，充分體現(xiàn)了智能化平臺(tái)在防范會(huì)計(jì)案件風(fēng)險(xiǎn)上的有效性。

以“資金流入高風(fēng)險(xiǎn)賬戶”這一高風(fēng)險(xiǎn)行為篩選為例，首先基于資金轉(zhuǎn)移模式進(jìn)行第一道過濾，找出歸集賬戶(約800個(gè))；然后通過資金穿透模式進(jìn)行第二道過濾，通過刻畫資金流向，尤其是多層復(fù)雜場(chǎng)景下的資金轉(zhuǎn)移路徑，更精準(zhǔn)地定位出歸集賬戶及相關(guān)的風(fēng)險(xiǎn)賬戶(約100個(gè))，將其作為風(fēng)險(xiǎn)目標(biāo)，如圖6所示。

圖6 資金流向圖模式

可以看出歸集賬戶吸收了諸多零散賬戶的資金，而這些歸集的資金最終主要流向了股票、基金、房地產(chǎn)等高風(fēng)險(xiǎn)賬戶；最后對(duì)第二道過濾后的賬戶進(jìn)行人工排查，發(fā)現(xiàn)85%為高度可疑賬戶，排查結(jié)果充分表明了圖模式分析的精準(zhǔn)性，大幅降低了人工核查的范圍。

3.3.2 規(guī)則運(yùn)行效率

經(jīng)過對(duì)計(jì)算精度、業(yè)務(wù)效果、系統(tǒng)性能等多方面的測(cè)試和實(shí)際業(yè)務(wù)檢驗(yàn)，會(huì)計(jì)案防智能化平臺(tái)實(shí)現(xiàn)了從數(shù)據(jù)采集、指標(biāo)生產(chǎn)、圖譜構(gòu)建、關(guān)聯(lián)特征提取、規(guī)則配置到欺詐預(yù)警等全流程的自動(dòng)化運(yùn)行，極大提升了風(fēng)險(xiǎn)規(guī)則配置的效率，并最終在業(yè)務(wù)場(chǎng)景成功上線推出。

以規(guī)則配置流程為例，傳統(tǒng)的規(guī)則配置基于數(shù)據(jù)庫(kù)進(jìn)行，對(duì)于一條預(yù)警規(guī)則，需要根據(jù)業(yè)務(wù)描述通過SQL進(jìn)行規(guī)則編寫，然后再轉(zhuǎn)換成Perl文件格式投入到生產(chǎn)環(huán)境，每當(dāng)規(guī)則邏輯發(fā)生調(diào)整或產(chǎn)生新的規(guī)則時(shí)，都需要重新編寫SQL并進(jìn)行Perl文件的轉(zhuǎn)換，規(guī)則配置的效率較低，一個(gè)案例通常耗時(shí)2-3個(gè)月，且不利于規(guī)則體系的靈活調(diào)整?；谧詣?dòng)化的規(guī)則配置平臺(tái)，在指標(biāo)體系建立后，只需要通過邏輯關(guān)系的組合和閾值的調(diào)整即可生成相對(duì)應(yīng)的規(guī)則策略，同樣的案例只需要2周左右時(shí)間，配置效率得到極大提高，有力促進(jìn)了風(fēng)險(xiǎn)管控的及時(shí)性。

3.3.3 平臺(tái)運(yùn)行效果

平臺(tái)上線后，在運(yùn)行近一年的時(shí)間里，對(duì)近3 000萬(wàn)個(gè)個(gè)人活躍交易賬戶進(jìn)行了監(jiān)控排查，檢測(cè)出疑似問題交易流水上萬(wàn)筆，挽回的損失金額達(dá)上百億元，為內(nèi)控合規(guī)建立了一道有效的智能化風(fēng)險(xiǎn)防線。

4 結(jié)束語(yǔ)

針對(duì)商業(yè)銀行會(huì)計(jì)風(fēng)險(xiǎn)事件日益頻發(fā)且越趨復(fù)雜的現(xiàn)狀，該文將會(huì)計(jì)案防領(lǐng)域的行業(yè)知識(shí)與大數(shù)據(jù)、知識(shí)圖譜等技術(shù)相結(jié)合，提出了會(huì)計(jì)案防智能化平臺(tái)的建設(shè)方案，以實(shí)現(xiàn)會(huì)計(jì)風(fēng)險(xiǎn)事件的自動(dòng)化、高精度識(shí)別。平臺(tái)采用Hadoop分布式架構(gòu)，結(jié)合Spark生態(tài)系統(tǒng)進(jìn)行高效的數(shù)據(jù)處理與指標(biāo)計(jì)算，借助Neo4j等圖數(shù)據(jù)庫(kù)以圖結(jié)構(gòu)的形式存儲(chǔ)數(shù)據(jù)并完成。

金融知識(shí)圖譜的構(gòu)建及可視化展示，依托GraphX等圖計(jì)算引擎實(shí)現(xiàn)對(duì)知識(shí)圖譜中多維關(guān)聯(lián)特征的分析提取?；阢y行賬戶交易、企業(yè)、個(gè)人等多維數(shù)據(jù)，以及金融行業(yè)的真實(shí)欺詐案例信息，智能化平臺(tái)最終構(gòu)建了數(shù)百個(gè)基礎(chǔ)指標(biāo)與關(guān)聯(lián)風(fēng)險(xiǎn)特征，形成了較完整、豐富的會(huì)計(jì)案件欺詐風(fēng)險(xiǎn)規(guī)則體系，實(shí)現(xiàn)了淺層經(jīng)驗(yàn)知識(shí)與深層挖掘知識(shí)的結(jié)合。實(shí)驗(yàn)測(cè)試結(jié)果表明，智能化平臺(tái)能實(shí)現(xiàn)全流程的自動(dòng)線上運(yùn)行，并有效識(shí)別與預(yù)警會(huì)計(jì)案件的欺詐風(fēng)險(xiǎn)。