GRA-FIN：一种用于金融交易和金融犯罪分析的大型图简化新方法

《Knowledge-Based Systems》：GRA-FIN: New method of large graphs reduction for financial transactions and financial crime analysis

该研究提出了一种混合简化解法，结合噪声消除和边修剪技术，通过评分机制有效压缩金融犯罪相关的大规模图数据，同时保持80%以上的信息完整性和70%以上的噪声消除效率，显著降低分析人员认知负荷，已在实际系统中部署。

　　

Rafa? Kozik|Piotr Goca?|Micha? Chora?

波兰比德哥什茨克科技大学

摘要

背景：

本文研究了大规模金融数据（以图形形式表示）的分析问题，旨在有效检测和打击严重的金融犯罪。

目标：

本研究的目标不仅是设计并开发一种简化大型图形的原创科学方法，还要将其应用于大规模金融犯罪数据分析这一亟需的实际领域。该方法能够在保留关键信息的同时减少图形规模，从而降低最终用户的认知负担。

方法：

本文提出了一种简化大型图形的原创方法，结合了创新的噪声消除和边修剪技术。所提出的边修剪算法通过评分机制来评估边的重要性。

结果：

为了评估效果，我们与金融犯罪分析领域的专业分析师合作准备了真实且多样化的数据集。实验采用了多种指标和评估方法，确保了评估的可靠性。将算法的结果与其他文献中的方法进行了比较。该方法已在实际系统中得到应用，帮助分析师和执法机构打击复杂的金融犯罪。

引言

复杂的金融犯罪在现代社会中构成了日益严重的挑战。尽管金融和经济犯罪可能不会对受害者造成身体暴力，但它们仍然有实际的受害者。

Kroll的2025年金融犯罪报告[1]展示了全球金融犯罪的整体情况，突出了快速变化的金融犯罪趋势。根据该报告，超过70%的受访者预计2025年的金融犯罪风险将增加（而2023年为67%），同时只有23%的人认为他们组织的应对措施“非常有效”。值得注意的是，57%的受访者认为犯罪分子增加使用人工智能是2025年风险增加的主要原因之一，而70%的企业代表认为数据泄露和与网络犯罪相关的犯罪是最严重的风险之一。

欧洲刑警组织（Europol）关于金融和经济犯罪的初步威胁评估[2]也提供了另一个视角。该报告指出，欧盟内近70%的犯罪网络涉及某种形式的洗钱活动，以资助其非法活动或隐藏资产。此外，超过60%的这些网络利用腐败手段实现非法目标，80%的活跃犯罪网络利用合法商业结构进行非法活动。同时，追回的资产数量仍然不足，仅占估计的有组织犯罪年收入的2%以下。

欧洲公共检察官办公室（EPPO）的年度报告也揭示了金融欺诈的规模。最新报告（包含2024年的数据）显示，截至2024年12月31日，EPPO共有2666起正在进行的调查（其中近800起为跨境案件），估计损失超过248亿欧元，其中53%为增值税欺诈。与2023年相比有所增加，2023年EPPO有1927起正在进行的调查，总损失估计为192亿欧元[3]。

从前一节的发现来看，显然需要有效的工具和方法来处理大规模金融数据，以有效打击金融犯罪。复杂的金融犯罪给执法机构及相关服务带来了重大挑战，其分析通常需要大量时间，往往持续多年。

我们的研究目标是能够在分析师/专家分析之前，处理、简化数据并消除噪声（即与分析不相关的数据），从而更快、更清晰地向分析师呈现相同的信息资源。

我们研究中的一个重要挑战是开发计算算法，能够在保持数据显示的信息价值的同时，将图形结构简化到原始结构的1%–10%。

所提出的方法和开发的科学方法在实践中应用后，可以在保留关键信息的同时减少图形规模，降低最终用户（各机构的分析师）的认知负担。此外，我们的工作可以通过减少每次分析所需的时间来提高金融犯罪分析的速度。

本研究的主要贡献如下：

• 1. 简化算法处理包含100万到500万个元素的图形所需时间少于5分钟。
• 2. 简化算法处理包含最多100万个元素的图形所需时间少于60秒。
• 3. 简化质量指标超过80%。
• 4. 噪声消除效率超过70%，假阴性率（FNR）和假阳性率（FPR）均低于10%。
• 5. 错误率低于10%。

本文的其余部分结构如下：首先全面深入地概述了当前简化图形结构领域的知识，特别是我们重新实现的基线稀疏化技术，以便与我们的解决方案进行比较。接下来详细介绍了用于减少和简化大型图形的原创解决方案。随后部分介绍了使用的数据集，包括真实的大规模金融交易和金融犯罪数据。然后是实验设置、结果和讨论。最后，文章总结了有效性的威胁以及贡献和成就。

小节摘录

简化图形结构的定义和主要假设

图形结构简化（或缩减）[4]是一种通过包含部分顶点和边的图形来近似给定图形的技术。

有效的简化算法的目标是在最小化图形大小的同时保留图形的特定属性。总体思路如图1所示。

由于实际图形的不规则性和庞大体积，图形算法通常执行时间较长。简化图形结构可以用于

基线稀疏化技术的概述

本节重点介绍了为处理复杂图形结构而开发的稀疏化方法。这些方法根据其功能和操作模式进一步分类，便于理解和实际应用。

顶点分析框架[17]关注顶点的度数及其与周围元素的关系。边分析[17]包括关注边特性的技术

新的原创混合简化算法的提出

本节介绍了原创的混合图形结构简化算法。该解决方案结合了专家知识和拓扑信息，基于两个关键支柱。

第一个支柱基于专家知识，能够识别出对分析师来说不相关的数据。为此引入了“噪声”概念，指的是可以通过简单签名或正则表达式检测并移除的相关数据。

实验设置和金融交易及犯罪数据集

在这项研究中，我们收集、分析了10个数据集，这些数据集代表了在不同类型的金融犯罪中留下的痕迹，尤其是在银行转账中。

使用的数据集并非来自项目外部，也不是公开的基准数据集；这些数据集是在项目过程中收集的，其中涉及真实的专家，我们可以使用并匿名处理真实的金融案例。

数据是在与分析师的合作下编制的

质量指标和方法论

在实验中，我们检验了与图形结构简化算法相关的多个特征。

具体来说，我们考察了简化时间和噪声消除时间等特性。

在测量时间特性时，我们分析了不同配置和简化算法集合的简化时间和噪声消除时间。

进行的噪声检测实验使用了

有效性的威胁

我们从四个方面分析了有效性的威胁：构建有效性、内部有效性、外部有效性和可靠性。

本文提出并评估了一种用于简化大型图形结构的创新方法。

就构建有效性而言，我们认为表示和可视化大型复杂金融数据的方法是非常有效的。然而，这样的图形不易阅读、分析和解释

结论

总结本文的成就和贡献，我们进行了多项研究以开发分析图形数据的方法。

主要研究目标是开发高效的处理和简化图形结构的方法。我们认为这一目标已经实现。

本文的主要贡献是提出了一种原创的简化方法，该方法结合了噪声消除技术和边修剪技术

CRediT作者贡献声明

Rafa? Kozik：撰写原始草案、软件开发、方法论制定、资金获取、形式分析、数据整理、概念化。Piotr Goca?：验证、项目管理、方法论制定、资金获取、数据整理、概念化。Micha? Chora?：撰写原始草案、验证、监督、方法论制定、资金获取、形式分析、概念化。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Rafa? Kozik表示获得了FENG计划下国家研究与发展中心的财务支持，申请编号为FENG.01.01-IP.02-0777/23。

Piotr Goca?表示获得了FENG计划下国家研究与发展中心的财务支持，申请编号为：

致谢

本出版物部分由FENG计划下的国家研究与发展中心资助，申请编号为：FENG.01.01-IP.02-0777/23。我们还要感谢在金融犯罪领域提供数据集、反馈和支持的匿名专家。