当前,洗钱活动日益成为国际社会面临的一大公害。洗钱是将犯罪所得及其收益通过交易、转移或转换等方式加以合法化,以逃避法律制裁的行为。洗钱势必助长走私、贩毒、贪污腐败、恐怖活动等,严重威胁全球经济发展与国家安全。尽快研究建立反洗钱机制并引进新的科技手段,加大对洗钱犯罪的打击是金融工作中一项十分重要而紧迫的任务。信息技术的飞速发展使得金融数据呈爆炸性增长,相对于洗钱方式的隐蔽性、专业性和创新性以及洗钱行为的不确定性与多变性,目前被动、静止的反洗钱监测技术手段仍显落后,对金融犯罪的打击还处于人为干预阶段。如何分析海量的混合类型属性甚至半结构化的金融数据,如何从大量的金融交易记录中找到有意义的行为,如何分析这些行为来判定是否具有洗钱的特征,进而对信息化过程中积累的数据进行有效的自动分析和处理,这就促进了数据挖掘新学科与技术的形成。随着洗钱行为对社会的危害日益明显,各国政府和国际社会对反洗钱的认识水平普遍提高,越来越意识到反洗钱的重要性、复杂性、紧迫性和长期性。反洗钱就是针对洗钱的各种方式,设计相应的监测方法,及时发现可疑交易,交给反洗钱部门做进一步的调查。本文力图吸收和发展国内外有关洗钱交易行为识别的最新研究成果,针对传统的基于规则或指导性的知识发现所存在的弊端,即：缺乏客观性,高度依赖于特定领域以及较难获得新型知识模式。本文以探求科学有效的大额交易报告标准提取方法和可疑交易信息发现与识别方法为目标,在分析和比较多种可疑洗钱交易行为识别算法的基础上,利用不易规避、标准动态变化的RBF神经网络技术来进行可疑金融交易识别研究,提出基于RBF神经网络的反洗钱监测模型并加以实现,设计基于RBF神经网络的反洗钱监测仿真系统,从而辅助金融机构进行实时的监测和预测,促进反洗钱自动化的研究与发展。