随着近年来我国经济的高速发展，各大金融机构的规模和业务量也呈现高速发展的态势。各金融机构积累了大量客户信息和交易信息等客户数据，随着数据挖掘技术的应用不断得到推广，针对提高管理水平，降低经营风险及加强客户管理和营销能力的客户信息挖掘已成为金融机构数据挖掘的重要研究内容，其中客户异常交易行为的识别正是降低金融机构经营风险的一个重要研究方向。　　按照监管机构的要求，各商业银行应当建立自身的客户异常交易行为监测系统，以降低客户利用银行等金融机构从事洗钱、欺诈等犯罪行为的发生。因此，自2006年开始各大商业银行均已经建立了相应的系统识别客户异常交易。这些系统绝大部分是按照监管机构的要求，制定相应的异常交易判断标准，所有符合标准的交易均作为异常交易呈现给业务人员手工进行判断。随着经济的发展，银行交易量猛增，且异常交易行为本身也变得越来越复杂多样，原有的监测系统已经难以满足当前风险管理的需要。　　本文以当前的客户异常交易行为监测系统为基础，结合银行以风险为导向的风险管理原则，提出系统改进方案，改变以往以规则为本的监测管理方式，向以风险为本的风险管理方式转变。首先，本文针对目前的各大金融机构的客户异常交易行为监测系统的运行模式以及主要的客户关系管理模式进行深入研究，提出当前系统存在的一些缺陷和管理不足，提出基于数据挖掘的智能化监测识别系统；其次，本文介绍了该智能识别系统主要业务需求和总体架构设计，并着重介绍了系统中应用的关联规则挖掘算法以及其他应用模型。通过研究以往被反洗钱专业人士确认过的涉嫌重大洗钱犯罪的客户交易行为，以关联规则挖掘算法获取与这些交易行为关联度较高的属性字段。再次，介绍了系统开发过程以及详细设计，采用CRISP-DM标准的数据挖掘流程管理，运用数据挖掘工具Clementine提供的多种挖掘模型，对基础数据进行智能化的分析学习，并反复调整模型参数，修改基础数据转换标准。最后通过实际的脱敏测试数据进行测试，验证了使用数据挖掘模型后系统能够较大幅度的提高客户异常交易行为识别的准确性，降低系统误报率。