金融犯罪一般和账户的资金流动有着紧密的关系,特别是在洗钱活动中表现得尤为突出。目前大多数的异常侦测系统,采用的是传统知识发现方法,首先对数据集进行调查,形成感兴趣的假设,然后再设计分析方法来解决这些问题。但是这往往有个弊端,对于一个新的应用领域,我们便很难得到那些我们未知或不熟悉的新型知识模式。针对这一问题,采用基于约束的非指导性链接发现方法来侦测离析阶段资金交易数据集中用户所感兴趣的交易信息。根据社会网络分析理论,异常行为总是隐藏在大量的正常行为模式中。对应于金融监管领域,就是剔除交易中的正常信息,从而凸现异常信息,是一个从资金交易集中进行数据挖掘的过程。而基于约束的非指导性链接发现方法,是数据挖掘技术中链接分析方法的拓展。即将某些互不相连的对象构建成一个网络,并在网络中发现有用的模式或趋势的过程。整个流程主要分为以下三个阶段:建立交易模型阶段、异常交易路径类型发现阶段和异常交易节点发现阶段。建立交易模型阶段是整个侦测过程的预处理阶段,其主要任务是将资金交易数据集转化为交易模型图。而研究的关键在于确定交易模型中的对象类型以及对象类型之间的关系。根据反洗钱领域的实际情况,和许多专家对现阶段洗钱案例的总结,本课题着重关注了以下五类节点对象类型:账号、交易金额、账户所属组织、交易时间、交易地点,所以交易网络模型将由这五类节点和它们彼此之间的联系所组成。异常交易路径类型发现阶段,它基于的思想是非指导性链接发现方法中的图稀有路径算法。在该阶段中,提出了交易路径“稀有度”的概念,利用“稀有度”值来量化用户对某条交易路径类型的兴趣度,从而侦测出异常交易路径类型,最终挖掘出潜在的异常信息。异常交易节点发现阶段,该阶段是建立在异常交易路径类型发现的基础上,提出了交易节点“频繁度”的概念,用“频繁度”作用值来量化用户对某个交易节点的兴趣度,从而侦测出异常交易节点,而通常这些节点的发现会包含某些令用户感兴趣的交易信息。