洗钱者常利用现有检测方法的局限性，通过模仿难以区分的交易模式来隐藏其金融足迹，从而将犯罪所得融入合法金融渠道。现有的资金流监控算法往往难以应对大规模和复杂的交易网络，且基于刚性风险规则的系统会产生大量误报信号，进一步加剧了识别难度。 为此，研究提出了一种名为ReDiRect（即减少、分发和纠正）的框架。该框架的核心贡献在于以无监督学习的方式重新定义此问题，将庞大的交易图模糊分区为更小、更易管理的组件，从而实现分布式快速处理。这种方法旨在提升处理效率和应对复杂网络的能力。 此外，研究还定义了一种更精细的评估指标，以更好地衡量所暴露洗钱模式的有效性。通过全面的实验验证，该框架在效率和实际应用性方面，相比现有技术展现了更优的性能。实验使用了真实的开源数据集以及近期发布的合成数据集进行验证。该框架的提出，为应对日益复杂的洗钱行为提供了新的技术思路。