洗钱犯罪严重影响着金融的稳定和经济的健康发展，与洗钱犯罪作斗争是全球面临的一个重要问题。从洗钱犯罪的报告数和涉案金额可以看出，金融机构，特别是商业银行已成为反洗钱的前沿阵地。因此，充分发挥商业银行反洗钱的主力军作用，构筑坚实的反洗钱防线，是有效预防、控制和打击洗钱犯罪活动的关键所在。如何从海量的金融交易数据中有效地识别出可疑交易是反洗钱工作顺利展开的基础。数据挖掘能够从海量数据中提取或者挖掘出有用的知识，聚类分析是数据挖掘研究和应用的一个重要分支，日益受到各国反洗钱相关部门的重视。目前国内外利用数据挖掘技术如聚类分析进行可疑交易的识别已经成熟。　　本人从事银行业软件开发和测试工作，从2007年涉足反洗钱软件，可以说见证了我国反洗钱工作从无到有，再深入发展的过程。公司开发的反洗钱软件先后应用在三井住友银行、法国巴黎银行、澳新银行等外资商业银行。随着金融业的发展，现在运行的反洗钱信息系统存在可疑交易的识别框架和应用过于简单、自适应能力低下、数据处理能力与数据量增长不匹配等问题。本论文在借鉴国内外研究文献和经验的基础上，结合我国反洗钱工作的实际情况和可疑金融交易的特征，选择了CURE数据挖掘算法，并借助XX银行2014-2015年度真实外汇交易数据实证了算法的有效性。反洗钱工作的有效开展不仅需要商业银行从制度到员工全方面的重视，强化自身内控，另外，依靠计算机技术构建适合自身情况的、性能功能更强大的可疑交易识别方法和反洗钱软件信息系统也是必不可少的。在类似XX银行的外汇交易量大的外资小型商业银行在可疑交易识别过程中要特别关注客户的背景信息和所处行业特点，提高可疑交易报告质量。