从反洗钱角度分析涉案账户特征与相关建议--以XX银行排查的部分涉案账户为例

随着反洗钱工作的纵深发展,人民银行按照新时代对反洗钱工作提出的新要求,持续构建全面有效的反洗钱预防体系,积极配合侦查和司法机关,切实加大打击洗钱犯罪的力度。本文针对XX银行排查的部分涉案账户开展调研工作,分析涉案账户的主要特征,提出相关履职建议。

关系行为对消费者心理账户特征的作用规律——社会交换理论视角

关系作为影响中国消费者决策的关键因素,已有成果没有解释其对心理账户产生的影响。鉴于此,项目组利用开发出的心理账户特征量表,探索关系行为对心理账户的作用规律。研究发现,中国消费者心理账户特征的非替代性、费用追踪性和预算性受到关系行为的显著影响:非替代性和费用追踪性都依次受亲情、友情和生人3种关系行为正向且逐渐增强的影响;亲情关系负向影响预算性,友情关系正向影响预算性,生人关系对预算性的影响不显著。

基于层级注意力机制与双向长短期记忆神经网络的智能合约自动分类模型

针对区块链平台上智能合约应用种类繁多,人工筛选合适的智能合约应用服务日益困难的问题,提出一种基于层级注意力机制与双向长短期记忆(Bi-LSTM)神经网络的智能合约自动分类模型——HANN-SCA。首先,利用Bi-LSTM网络从智能合约源代码和账户信息两个角度同时建模,最大限度地提取智能合约的特征信息。其中源代码角度关注智能合约中的代码语义特征,账户信息角度关注智能合约的账户特征。然后,在特征学习过程中从词层面和句层面分别引入注意力机制,重点捕获对智能合约分类有重要意义的单词和句子。最后,拼接代码特征与账户特征以生成智能合约文档级特征表示,通过Softmax层完成分类任务。实验结果表明,所提模型在Dataset-E、Dataset-N和Dataset-EO数据集上的分类正确率分别达到了93.1%、91.7%和92.1%,效果明显优于传统的支持向量机模型(SVM)和其他神经网络基准模型,且具有更好的稳定性与更高的收敛速度。

基于Bi-LSTM和Attention的智能合约分类

针对区块链技术存在智能合约服务困难问题,提出基于注意力机制和双向长短期记忆神经网络的智能合约分类。运用Bi-LSTM网络从智能合约源代码和账户信息两个角度进行建模,提取出智能合约的最大特征信息。加入注意力机制的Bi-LSTM模型在Dataset-E、Dataset-N和Dataset-EO数据集上正确率分别达到89.8%、87.9%和85.0%,比同样条件下传统的CNN模型提高6.4%、5.5%和3.7%。仿真结果表明该智能合约分类能捕获到关键特征,提高效率和准确度。