金融领域的信息技术应用,在加快经济活动运作的同时,也给金融监控带来了很多困难。这使得类似洗钱这类犯罪行为,在网络时代来临的2000年以后开始变得日益猖獗。洗钱是指将毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪或者其他犯罪的违法所得及其产生的收益,通过各种手段掩饰、隐瞒其来源和性质,使其在形式上合法化的行为,对社会危害严重。之所以产生这种犯罪日益猖獗的原因是,传统人工审查效率低下,无法在新的时代环境下胜任,而传统规则技术下的自动审查则准确率很低,不具实用性。世界各国政府针对这种现状都在开发智能反洗钱系统,我国这方面的研发已经进入了第二代,将使用大量人工智能中的智能处理技术。本文根据系统中,基于客户信息进行洗钱风险评估,这一环节目前相关研究还相对空白的情况,提出了使用逻辑回归、神经网络和支持向量机这三种数据挖掘中的智能分类技术,对客户潜在风险进行分类评估的方法。文章详细说明了算法的理论,数据处理过程和实施过程,并分析指出了各个算法的优缺点,以及在客户信息洗钱风险评估中的使用意见。