网络虚假交易洗钱的识别技术综述

胡亮

摘要：洗钱是金融犯罪的一种，具有隐蔽性强，方式多样与过程复杂的特点，其不仅破坏经济活动的公平公正原则，破坏市场经济有序竞争，损害金融机构的声誉与正常运行，而且洗钱活动通常与贩毒、走私、恐怖活动、贪污腐败与偷税漏税等相联系，对国家的政治稳定、社会安定、经济安全以及国际政治经济体系的安全构成严重威胁。互联网金融创新的发展使得洗钱方式更加复杂，利用互联网的快捷性进行违法犯罪行为也随之出现，尤其是通过第三方支付平台进行交易的购物网站，使得普通个人账号也能通过虚假交易进行非法资金流转。

关键词：网络虚假交易;洗钱;算法;信息

一、Research Background：研究背景与意义

洗钱是指将非法所得及其产生的收益，通过各种手段掩饰、隐瞒其来源与性质，使其在形式上合法化的行为，目的在于逃避法律对于其非法行为的制裁。一般普通民众很难涉及到洗钱的非法行为，洗钱是一项涉及高额资金的犯罪活动，只有那些通过非法行为而获得巨额财富的人才会有洗钱的需求。一般来讲，当犯罪嫌疑人的资金账户出现异常变动或者在日常生活中犯罪嫌疑人做出与其收入水平不相匹配的经济行为时，嫌疑人才会被怀疑可能获得了非法收入，进而可能涉嫌洗钱行为，而这类人通常早因其他原因被警方锁定为监控对象，一般普通民众较小的账户行为则不会受到警方的关注。然而随着互联网经济的发展，利用互联网的快捷性进行违法犯罪行为也随之出现，尤其是通过第三方支付平台进行交易的购物网站，使得普通个人账号也能通过虚假交易进行非法资金流转。网络交易以其便捷、高效服务极大地方便了人民群众的生活，但由于电子商务领域安全监控技术发展相对落后，网络交易市场缺乏统一、规范的管理等诸多因素影响，这个市场还存在较大的洗钱风险。通过互联网虚假交易制造虚假盈利数额，将非法收益注入其中并且洗白，而互联网本身的特性又使得这种操作十分便捷、高效，这将对我国互联网经济的发展产生严重的负面影响。

二、Network Laundering：网络交易洗钱相关概念

从已有文献来看，洗钱最早来源于20世纪初美国旧金山一家饭店老板圣∙弗朗西斯的行为，他看到饭店收取大量沾满油污的硬币容易弄脏顾客的白手套，而这些污染的硬币可能会影响饭店的日常经营，于是就用碱液清洗这些脏钱，而现代意义的洗钱行为则是在20世纪30年代，美国芝加哥阿尔∙卡彭等有组织犯罪集团以经营洗衣店为名，将贩毒收益融入正常的营业收入并申报纳税变成合法收入。随着互联网金融的发展，洗钱方式更加便捷简单，洗钱的过程也越来越复杂，更加赋予了网络洗钱一词的现代含义，在现代法治社会中已成为一种犯罪的专有名词。根据中国电子商务协会2005年颁布的《网络交易平台服务规范》的解释，网络交易指发生在信息网络中企业之间、企业与消费者之间以及个人与个人之间通过网络通信手段缔结的交易。网络商品交易是指依托互联网，并依靠计算机或手机达成的商品交易活动。该交易需要依靠电子银行落实货款给付，并通过物流实现商品配送。网络交易洗钱指通过互联网技术隐瞒或掩饰非法收益来源，将非法获得的资金转为无法追及的，看起来来源合法资金的过程，包括上述两种网络交易途径的洗钱。

三、Laundering Algorithm：网络虚假交易的识别算法研究

国外某研究团队曾对淘宝网的虚假交易现象进行研究，他们抽样调查研究显示，样本数据中有11000家网店存在刷单现象，但在所调查的4000多家存在虚假交易的淘宝网店中，只有89家即占2.2%的网店受到惩罚[9]。艾瑞咨询最新数据显示，2015年中国互联网购物市场交易规模为3.8万亿元，从已有各类互联网交易平台运营模式上看，各卖家必须通过大量交易来提升其信用度与好评量，而其中就可能存在大量虚假交易，这为通过互联网虚假交易洗钱提供了可能。

交易分类研究角度：该类研究对网络虚假交易的行为特征进行分析并确定数据源，得到可疑网络交易数据的分类规则，最后利用规则找出网络虚假交易数据，同时可以进一步发现新的网络虚假交易规则。汪素南（2007）提出了根据用户账户信息，使用决策树技术将账户进行分类，在实验验证中得到了比较理想的结果[10]。徐璘俊（2010）等则在汪素南的基础上，提出一种使用多层BP神经网络将账户分类的方法，改善了原先决策树不适用即时交易数据的问题[11]。刘芳（2014）针对网络虚假交易行为的较低检测率的问题，提出了一种Radial Basis Function神经网络模型，有较低的误检率与更高的检测率[12]。

交易聚类研究角度：在反洗錢领域，聚类分析技术可以用来在大量的网络交易数据中挖掘及时、准确的线索，聚类算法的优点之一是可以回避洗钱行为模式识别中缺乏训练样本的问题。Sakkis等将K-NN聚类方法来进行网络虚假交易的检测，而Li等提出了基于用户反馈的朴素贝叶斯方法用于改进。

交易集群特征研究角度：该类研究以网络虚假交易的集群特征为基础，通过算法识别网络交易构成的社区中存在的虚假交易。吕林涛（2017）针对网络虚假交易洗钱的数据大额可疑特征与量化特点，提出一种基于信息熵的洗钱社区发现[15]。

交易智能Agent研究角度：该类研究利用Agent的诸多特性来模拟现实中的金融交易行为，用角色来描述现实中的金融行为者，即利用Agent来完成金融交易中一个或多个角色的金融行为。陈起（2007） 针对现行的反洗钱系统的缺陷，该文将模式识别Agent引入反洗钱系统设计，充分发挥Agent系统自主性、反应性、协作性的特点，构造了基于多Agent 客户识别的反洗钱系统模型。付雄（2011）采用分布式多智能代理框架，提出了基于关系图熵矩阵的可疑网络洗钱行为识别模型[17]。

四、Laundering Model：洗钱风险指标构建与预警研究

该类研究主要集中的使用计算机与数据分析技术，构建洗钱风险指标体系，通过计算对交易数据进行洗钱预警。吴玉霞（2010）通过改进层次聚类与k-means聚类，计算交易记录的可疑程度，为金融情报部门提供高质量的调查数据[15]。谢端纯（2010）采用因素分析法以房地产洗钱行为与房地产反洗钱网络拓扑图为基础，构建房地产可疑资金监测模型。张燕华（2015）等使用熵权法计算出各一级指标权重并结合隶属度函数确定出客户洗钱风险等级，同时利用决策树模型检验了使用熵权法确定出的各指标权重，研究结果有利于金融机构识别客户身份，提高了反洗钱的有效性。霍琪（2015）等通过对400多例洗钱案例进行预处理，运用回归分析、关联分析、决策树三种算法，构建出洗钱类型分析系统的理论模型，成功分析出不同洗钱类型之间的洗钱特征差异与识别规则。

参考文献：

[1]钟毅.一种基于可疑度函数和信息熵的金融网络洗钱社团发现算法[J].软件产业与工程，2016（06）：11-14.

[2]付雄.论网络洗钱犯罪及对策[J].华南理工大学学报（社会科学版），2010，12（05）：82-88.DOI：10.19366/j.cnki.1009-055x.2010.05.018.