随着银行客户群体规模的不断扩大以及电子银行、电子商务等新型商业模式的兴起,一些不法分子在进行犯罪活动时,必定会涉及到资金交易的问题。因此,分析银行交易数据可成为办案人员侦破和举证的重要方法。而如何通过银行交易数据从庞大的客户群体中识别出可疑犯罪分子,并将其提供给有关部门作为参考依据,现阶段还缺乏相应的研究。本文针对这类情况,首先对数据挖掘、复杂网络以及风险传播等基础理论进行深入研究,为之后的风险客户识别打好理论基础,并在此基础上提出将客户作为节点,资金交易、账户信息等关键信息数据化处理并通过风险传播理论计算权值作为边,构建银行客户群体的复杂网络模型。对于金融风险复杂网络模型的应用,本文针对金融银行业风险客户所特有的情况,提出利用社会网络分析法进行分析研究,并提出基于最短路径算法的权值转换算法,以解决最短路径计算权值较小路径而本文研究问题需要解决权值较大路径的问题。然后利用复杂网络中的最短路径这一指标作为基本参考,结合不同节点对应的介数以及中心度等指标计算出金融风险网络中各个节点的风险度。并根据上述理论算法对银行风险客户识别系统进行设计与实现。最后,本文通过实验结证明本文论述的方法针对客户风险识别具有一定的有效性与准确性。可以有效地提高办案人员进行银行交易数据分析的效率和对金融诈骗、洗钱案件的预防、侦破水平,进而达到尽可能降低国家以及个人的经济财产损失的效果,同时保证国家社会的金融经济健康良好发展,并最终能够维护国家安全以及保障社会稳定。