在复杂金融交易背景下,洗钱是一项重要的金融犯罪活动。随着科技的进步,这种洗钱活动也越来越趋于群组化。这些群组为了隐瞒其犯罪行为,会通过各种手段隐藏其存在,为此将它们称为隐组。链接挖掘技术不同于以单独的对象作为实例的传统数据挖掘技术,它更加注重对象之间的链接,在金融领域,这种链接即交易也构成了金融数据的主体。基于链接挖掘思想,根据隐组的表现形式,采用隐马尔可夫模型作为金融交易网络的进化模型。金融交易网络中节点的社会结构视为一马尔可夫链,节点之间的交易是互相独立的,且某时刻的交易图仅与该时刻节点的社会结构有关,所以节点产生的交易序列就是符合两个概率的隐马尔可夫过程,这样就建立了金融交易网络的隐马尔可夫模型。由于本文所研究的是隐组问题,因此对不存在隐组的情况不进行深入分析。仅在隐组存在的情况,一方面在确定节点社会结构的情况下,通过模型产生金融交易序列作为算法的输入来验证模型的正确性和有效性。另一方面根据模型产生的金融交易序列作为算法的输入,研究能判定网络存在隐组的概率与所观察交易强度序列周期数之间的关系。在检测隐组的过程中,遍历解空间的规模随着节点数的增加而成指数增长。为此采用遗传算法作为隐组的求解算法,并结合应用背景,深入讨论了运用遗传算法对其求解的过程,通过实验及结果分析,验证算法的有效性。设计并开发了金融交易网络中隐组检测的原型系统,给出了模型的整体框图以及主要模块的具体设计和实现流程,并分析了系统的性能。