目前,随着全球经济的快速发展及金融系统的信息化,金融网络中洗钱犯罪已受到各个国家的广泛关注,因此,金融网络中发现洗钱社区结构的研究已经成为人们关注的热点。　　本文通过对金融网络交易特点以及网络结构特征进行分析,针对现有金融网络中反洗钱识别算法存在的不足,及金融网络中存在的洗钱交易社区结构特点,为解决从复杂的金融网络中发现具有大额和可疑交易特征的洗钱交易社区,本文建立了一种基于信息熵的洗钱社区发现算法(Money Laundering Community Discovery Based on Information Entropy,简称ML-CDBIE)。论文主要的工作包括:　　(1)通过对金融网络中的可疑洗钱交易特征、交易行为及资金流分析研究,结合洗钱交易过程和模式,参照我国相关的洗钱交易监测和识别方法,对洗钱交易的大额和可疑交易频次特征进行识别和分析。　　(2)通过对金融网络的结构特征以及交易行为的分析,结合金融网络的动态演化模型和无标度性特点,挖掘出金融网络中存在的社区结构,应用信息熵的定义和社区发现技术,建立金融网络中洗钱社区结构分析和描述方法,并对洗钱交易特征的属性进行特征提取和量化。　　(3)针对洗钱交易的大额和可疑特征,建立了一种基于信息熵的洗钱社区发现算法 ML-CDBIE,通过节点信息熵的相似性以及社区信息熵的稳定性对网络节点进行社区划分和实现最终洗钱社区结构的发现。　　(4)通过银行提供的实际数据测试了ML-CDBIE算法有效性。实验结果和本文给出的评价指标结果表明,ML-CDBIE算法发现的洗钱交易社区具有良好的社区结构,对洗钱交易账户的识别具有较高的准确率。