IBMAMLSim示例数据集
数据来源：互联网公开数据
标签：反洗钱,仿真数据,银行交易,风险监测,机器学习,图算法,合成数据
数据概述：
本数据集由IBM的AMLSim项目生成，旨在为反洗钱（Anti-Money Laundering, AML）领域的研究与测试提供多智能体仿真环境下的合成银行交易数据。数据集包含已知的洗钱模式，适用于训练和评估机器学习模型以及图算法。
该数据集包括三个主要部分：
1. 账户数据（Accounts dataset）：包含所有被监控银行账户的基本信息，包括账户标识、类型等。
2. 交易数据（Transactions dataset）：记录了所有银行账户之间的交易详情，包括交易金额、交易时间、发送方和接收方账户等。
3. 告警数据（Alerts dataset）：标记了根据反洗钱指导原则触发的可疑交易，可用于识别潜在的洗钱活动。
数据集通过模拟银行交易场景，生成真实且多样化的金融活动模式，同时嵌入了典型的洗钱行为模式，为反洗钱研究提供了丰富的测试基准。
数据用途概述：
该数据集适用于以下场景：
1. 机器学习模型开发与测试：研究人员可以利用该数据集训练和验证反洗钱相关的机器学习模型，评估模型对洗钱行为的检测能力。
2. 图算法研究：数据集中的账户和交易关系可以构建为图结构，用于图算法的研究，例如图神经网络对洗钱网络的识别。
3. 反洗钱策略优化：银行和金融机构可以使用该数据集来优化现有的反洗钱监控系统，提高对可疑交易的识别准确率。
4. 教育与培训：可用于反洗钱领域的教育和培训，帮助学习者理解洗钱行为的特征和检测方法。
5. 基准测试：作为标准化的合成数据，可用于对比不同反洗钱模型的性能，为行业提供统一的评估标准。
数据集特点：
- 多样性：包含正常的交易行为和嵌入的洗钱模式，支持对复杂金融活动的分析。
- 可扩展性：基于AMLSim项目，用户可以根据需求生成更多样化和规模更大的数据集。
- 合规性：数据集经过设计，完全符合反洗钱领域的研究和测试需求，不涉及真实敏感信息。
数据来源补充：
此数据集基于IBM的AMLSim项目生成，开源项目地址为：https://github.com/IBM/AMLSim。用户可以根据需要自行生成更多数据，并遵守Apache License 2.0许可协议。
通过使用该数据集，研究者和从业者可以更深入地探索反洗钱领域的技术和方法，为构建更高效、更智能的反洗钱系统提供支持。
