Geschäftskontext
Eine Bank möchte verdächtige Transaktionsnetzwerke identifizieren. Geldwäscheringe bilden oft dichte Untergraphen, in denen Geld zwischen denselben Konten zirkuliert. Die k-Kern-Zerlegung hilft dabei, diese stark vernetzten Gruppen zu isolieren, unabhängig von der Größe des Gesamtnetzwerks.
Datenaufbereitung
Erstellung einer Transaktionstabelle mit einem versteckten dichten Ring (Knoten A-E) und peripheren unschuldigen Transaktionen (Knoten F-J).
Kopiert!
| 1 | |
| 2 | DATA mycas.transactions; |
| 3 | INFILE DATALINES delimiter=','; |
| 4 | INPUT sender $ receiver $ amount; |
| 5 | DATALINES; |
| 6 | A,B,1000, B,C,1200, C,D,900, D,E,1100, E,A,1050, A,C,500, B,D,600, C,E,700, D,A,800, E,B,950, F,G,20, G,H,30, H,I,25, I,J,40; |
| 7 | |
| 8 | RUN; |
| 9 |
Étapes de réalisation
1
Laden des Network-Actionsets.
Kopiert!
| 1 | PROC CAS; LOADACTIONSET 'network'; RUN; |
2
Ausführung der Kernzerlegung unter Berücksichtigung der Geldflussrichtung (Gerichtet).
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | ACTION network.core / direction='DIRECTED', links={name='transactions'}, from='sender', to='receiver', outNodes={name='account_scores', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
3
Überprüfung der Ergebnisse.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | ACTION TABLE.fetch / TABLE='account_scores' sortBy={name='core', order='DESCENDING'}; |
| 4 | |
| 5 | RUN; |
| 6 |
Erwartetes Ergebnis
Die Konten A, B, C, D und E sollten eine höhere Kernnummer (z. B. 2 oder 3) aufweisen, da sie untereinander stark vernetzt sind (der Geldwäsche-Ring). Die peripheren Konten F, G, H, I, J sollten eine niedrige Kernnummer (z. B. 1) haben, da sie nur eine lineare Kette bilden.