金融犯罪是当今业内面临的重大问题,其中洗钱犯罪活动尤为突出,对国家的经济发展和安全等多方面都产生了极其恶劣的影响。当前日益庞大起来的洗钱交易网络结构形式多样、错综复杂。从这些交易网络中快速地发现、挖掘可疑对象,追溯可疑资金的来源和去向,不依靠一定的专家经验辅助,完全无法高效准确完成。并且,在发现洗钱网络后,不依靠专家经验,单一依赖基于人工智能的方法寻找可疑团伙、关键账户、追踪资金流向,其精确度也必然是有限的。针对这一问题,提出了以可视化分析为中心的反洗钱平台VAML,通过可视化展示数据的多个维度,通过交互功能可以让分析员从多角度、深层次挖掘隐藏线索。网络图是可视化分析中表达方式最丰富的方案。在研究分析了金融网络活动的特点和模式之后,提出了一种通用的可以有效表达金融网络活动的方法。将金融网络活动描述为图,图中的节点有两种类型:账户节点和属性节点,账户节点从三个层面描述金融活动中的客户实体,属性节点为存取款节点,描述账户的存取款行为。边连接账户节点,描述账户节点之间的转账行为。节点和边还包含金融网络活动中的其它必要属性,为以可视化、社会网络理论或基于图理论的反洗钱分析技术提供分析基础。网络图可视化的核心是布局,如何有效地布局直接影响数据展示的效果。为了突出金融网络活动中的洗钱模式,提高可视化分析的效率,提出了一种结合洗钱网络特征的力导引布局算法GDAL(Gang Detecting Analysis Layout),首先结合洗钱网络中节点交易模式和核理论,对节点进行聚集分层,然后利用聚集结果对网络进行预布局,最后再应用改进的FR布局算法对金融网络活动图进行布局。实验结果显示GDAL算法相对于直接使用现有网络布局算法可以更直观地展示金融网络活动图中的洗钱模式,在布局效率和布局质量上相对FR布局算法有明显提升。