洗钱是现代中国乃至全球的一大公害,犯罪活动纵容了整个大环境的犯罪风气,扰乱了金融秩序,损害国家形象。随着经济全球化的不断推进和全球金融市场日益健壮,反洗钱已经成为世界范围内包括金融等所有行业的关键研究。目前从法律上对抗洗钱对策主要依靠金融机构向法院等司法机关和政府机构的报告,也就是大额与可疑交易报告。我国目前的数据报告现状存在海量数据、误报率高、固定阈值容易被不法分子规避、判定模糊、学习能力较低等问题。本文的主要目的就是在目前的反洗钱报告制度的基础上,提出一种基于决策树的不易规避、判定动态变化、可学习的可疑金融交易账户识别方向,这对各行业反洗钱工作具有重要意义,同时也符合全球反洗钱研究的发展趋势。决策树是数据挖掘中的重要研究方面之一,它分析各种海量的、复杂的、含噪声的数据,为反洗钱工作者提供了有效的指导。决策树在反洗钱工作中的可疑金融交易账户的识别上是比较有效的数据挖掘方式,找到关键决策属性也对该算法的实际有效性起到重要决定作用,对今后反洗钱工作意义重大。基于目前形式,本文开篇大致介绍数据挖掘技术的历程发展及趋势,然后从技术分析角度对数据挖掘的重要技术之一——决策树分类作了一个大概的介绍,主要分析了在实际应用中具有代表性的ID3决策树算法,分析了其主要优缺点。最终运用该算法设计并实现了可疑金融交易账户洗钱风险评估模型,通过挖掘分析得到评估洗钱风险的决策树,基于真实数据详细说明了数据准备、数据转换、计算信息增益、生成决策树、结果展示的具体过程,经过测试后达到了较好的分类效果,并为今后更深入的研究提出方向建议。