Advertisement

基于自动加权GCN算法的反洗钱识别数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集采用自动加权GCN算法，旨在增强金融机构对可疑交易模式的识别能力，有效支持反洗钱监测与分析。 自动加权GCN算法实现反洗钱识别-数据集：通过应用自动加权的图卷积网络（GCN）算法来提高反洗钱活动的检测效率与准确性，这一方法基于特定的数据集进行实施。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于自动加权GCN算法的反洗钱识别数据集
    优质
    本数据集采用自动加权GCN算法，旨在增强金融机构对可疑交易模式的识别能力，有效支持反洗钱监测与分析。 自动加权GCN算法实现反洗钱识别-数据集：通过应用自动加权的图卷积网络（GCN）算法来提高反洗钱活动的检测效率与准确性，这一方法基于特定的数据集进行实施。
     
  • SAML-D反洗钱数据集
    优质
    SAML-D反洗钱数据集是一个专为检测和预防金融交易中的洗钱活动而设计的数据集合，包含丰富的交易记录与标签信息。 洗钱依然是一个全球性的重大问题，这促使了改进交易监控方法的需求增加。当前的反洗钱（AML）程序效率低下，并且受到法律及隐私保护限制难以获取数据资源。此外，现有数据集缺乏多样性和真实标签的问题也日益凸显。 本研究提出了一种创新的反洗钱交易生成器，用于创建具有增强特征和类型的SAML-D数据集，旨在帮助研究人员评估模型并促进更先进的监控方法的发展。 该数据集中包含12个特征以及28个交易类型（包括11个正常类型与17个可疑类型）。这些特征及分类依据现有数据集、学术文献及反洗钱专家的访谈选定。整个数据集合共收录了9,504,852笔交易，其中0.1039%被标记为可疑交易。此外，它还包含15种图形网络结构以展示各类别间的事务流动情况。 这些图结构虽然在某些类型间共享但参数差异显著，旨在增加复杂性并提升检测难度。有关具体类型的详细信息，请参阅相关论文。SAML-D数据集是上述研究的更新版本。 SAML-D数据集的特点包括： - 时间和日期：对于追踪交易的时间序列至关重要。 - 汇款人与收款人的账户详情：有助于识别行为模式及复杂的银行关联网络。 - 金额：表明了每笔交易的价值，从而帮助发现可疑活动。 - 支付方式：涵盖了信用卡、借记卡等多种支付形式。
     
  • AML_黑名单：反洗钱数据爬取
    优质
    本项目旨在构建一个用于收集和分析金融机构及国际组织发布的反洗钱相关黑名单的数据系统。通过自动化网络爬虫技术，有效获取并整理全球范围内与金融犯罪相关的实体和个人信息，为金融机构提供高效的风险评估工具，助力于识别潜在的非法活动，保障金融系统的安全稳定运行。 AML_Blacklist 反洗钱使用的黑名单数据可以通过scrapy获取以下几个名单： 1. 国际刑警通缉名单 2. 公安部通缉令--A级通缉令 3. 公安部通缉令--B级通缉令 4. 公安部天网行动--全球通缉百名外逃人员 5. 联合国1267号决议协助基地组织个人及机构名单 6. 联合国1988号决议协助塔利班个人及机构名单 由于反洗钱项目的保密性，同业间交流有限。在处理客户行为识别、性质分类、可疑交易和大额交易时，需要使用黑名单、高风险名单、失信人员名单以及地区企业高管、事业单位和公务人员的名单进行初步筛选分级。 这些数据具有相对较低的保密要求，可以相互分享。后续将不定期添加新类型的数据及信息，如果有相关数据欢迎提供。
     
  • 人体动作识别的GLA-GCN算法及配套数据集与预训练模型.zip
    优质
    本资源包含一种用于人体动作识别的GLA-GCN算法、相关数据集以及预训练模型，适用于深度学习研究和应用开发。 本项目是该领域的演示版本，可以直接部署并进行测试。
     
  • 基于WiFi的动作识别数据集
    优质
    本研究构建了一个基于WiFi信号的动作识别数据集，通过分析人体动作对无线信号的影响，为非接触式行为识别提供新的视角和数据支持。 我计划创建一个基于无线信号的动作数据集，主要用于研究CSI（信道状态信息）动作识别，并评估同行的研究成果。
     
  • 哪些是反洗钱的指标？
    优质
    本文将介绍识别和监测反洗钱活动的关键指标，帮助读者理解如何在金融交易中防范非法资金流动。 本人正在进行反洗钱风险评估研究，并建立了一个关于反洗钱风险的指标库供参考。
     
  • 基于KNN算法的手写数字识别——MNIST数据集
    优质
    本项目采用K-近邻(KNN)算法对MNIST手写数字数据集进行分类和识别，旨在探索机器学习在图像处理领域的应用。 使用KNN算法识别手写数字--MNIST数据集
     
  • 商业银行反洗钱数据系统的构建分析
    优质
    本文章深入探讨了在商业银行中构建有效的反洗钱（AML）数据系统的重要性、设计原则及面临的挑战，并提供了实际解决方案。 中国银行湖南省分行的吴刚、黄坚泓和周颖波提出：为了克服商业银行传统反洗钱模式中存在的数据处理时效性差及信息整合分析困难等问题，该行建立了专门的反洗钱数据分析系统平台。此平台集成了包括反洗钱数据仓库、数据视图、机构洗钱风险地图、监管指标数据以及动态模型等多项功能，并运用了大数据分析技术、流程自动化和AI算法等新型工具，从而实现了区域化、现代化及数据化的反洗钱工作模式。 该系统的实际应用结果表明，在减轻人工审核负担的同时，能够快速准确地识别出与洗钱活动相关的客户及其交易行为，进而有效提升了对洗钱风险的管控能力。
     
  • 基于 YOLOv7 的轮胎识别算法及数据集应用
    优质
    本研究提出了一种基于YOLOv7的轮胎识别算法，并构建了专门的数据集。通过优化模型参数和训练策略，显著提升了复杂场景下轮胎检测的准确性和鲁棒性。 对象检测的任务是在图像中识别并定位物体。YOLOv7（You Only Look Once版本7）是由Alexey Bochkovskiy开发的一种实时目标检测算法。它是一种单级端到端的对象检测器，能够在保持良好精度的同时快速地在图像中进行对象检测。 YOLOv7可以在多种深度学习框架下实现，例如PyTorch、TensorFlow和Keras等。您可以选择这些框架中的任何一个来部署并使用YOLOv7执行物体识别任务。 值得注意的是，由于模型的复杂性，运行YOLOv7需要一个性能良好的GPU。此外，用于训练该模型的数据集非常庞大，可能会花费大量时间进行下载及预处理工作。
     
  • 关键蛋白质识别算法的研究——基于动态加权PPI网络.pdf
    优质
    本文探讨了一种新颖的关键蛋白质识别算法，该算法通过构建和分析动态加权蛋白质相互作用（PPI）网络来有效识别生物系统中的核心蛋白。研究为理解复杂生命过程提供了新视角。 与静态蛋白质-蛋白质相互作用（PPI）网络相比，动态PPI网络能更准确地反映蛋白质之间的实际交互情况，并有效减少假阴性结果。目前的关键蛋白预测方法主要基于静态PPI网络进行研究，忽略了这些网络的动态特性。为了精确预测关键蛋白，可以利用基因表达数据提取出蛋白质在不同时间点上的相互作用信息，结合传统的静态PPI网络构建一个更为全面和准确的动态PPI网络模型。 在此基础上引入GO（Gene Ontology）术语对这个新生成的动态网络进行加权处理，并提出了一种新的预测方法——DWE。该方法通过计算蛋白质在动态网络中所有边权重之和除以该蛋白在网络中的出现次数来衡量其关键性程度，即越重要的蛋白质，在整个相互作用过程中会表现出更高的平均交互强度。 实验结果显示，基于动态加权PPI网络的这种新策略能够显著提升对关键蛋白质预测的准确性，并且DWE方法在与其他几种主流的关键蛋白质预测模型对比中展现出更强的优势。