人工智能助力反洗錢升級

　　洗錢是指將毒品犯罪、黑社會性質的組織犯罪、恐怖活動犯罪、走私犯罪、貪污賄賂犯罪、破壞金融管理秩序犯罪、金融詐騙犯罪的所得及其產生的收益，通過金融機構以各種手段掩飾、隱瞞資金的來源和性質，使其在形式上合法化的行為。目前，常見的洗錢途徑廣泛涉及銀行、保險、證券、房地產等各種領域。

　　為了讓反洗錢工作更加嚴格和細致，2018年10月，中國人民銀行、銀保監會、證監會聯合發布《互聯網金融從業機構反洗錢和反恐怖融資管理辦法（試行）》；2019年2月21日，銀保監會發布2019年的第1號令《銀行業金融機構反洗錢和反恐怖融資管理辦法》；等等。

　　一直以來，銀行反洗錢工作的開展，主要依賴于反洗錢專家經驗規則。但隨著銀行交易量逐年增長，可疑交易宗數年增長30%至40%，僅通過人工規則優化來減少可疑案件量，難以建立規則優化的長效機制。

　　值得關注的是，科研人員已利用人工智能機器學習平臺研制出反洗錢可疑交易智能分析平臺，為反洗錢相關部門提供由人工智能機器學習算法驅動的反洗錢決策支持。

　　洗錢犯罪新趨勢帶來挑戰

　　經濟日報記者了解到，我國洗錢犯罪活動出現了一些新趨勢，這為反洗錢工作帶來了新的挑戰。在不少業內人士看來，面對嚴峻的反洗錢形勢，反洗錢監管力度還需加大。

　　目前，從人民銀行破獲的洗錢案件情況來看，我國洗錢犯罪活動的趨勢之一是向不發達區域蔓延。具體來講，洗錢犯罪的上游犯罪（毒品、黑社會、走私團伙等）逐漸向內陸蔓延，這主要是由于內陸地區相對寬松的環境為洗錢提供了便利。而經濟發達地區的金融監管不斷加強，洗錢犯罪分子的生存空間受到擠壓。

　　與此同時，涉眾案件、職務犯罪案件增多。據介紹，洗錢活動涉及的上游犯罪由經濟犯罪、毒品犯罪、走私犯罪領域向涉眾型犯罪案件及職務犯罪案件延展。非法傳銷、非法集資以及各種“黑基金”案件等涉眾型犯罪案件層出不窮。而職務犯罪案件多集中在銀行信貸、證券期貨、交通運輸等領域。

　　此外，特別值得注意的是，隨著金融和非金融交易業務不斷更新，洗錢行為正變得越來越撲朔迷離。當網絡銀行、電子貨幣、電子交易出現以后，精通電子技術的洗錢者蹤跡變得更加飄忽不定。互聯網技術發展的同時，洗錢手段不斷升級。互聯網借貸平臺、互聯網保險、虛擬貨幣等，都成了洗錢犯罪分子的溫床。目前，利用電子支付、電子交易的網絡洗錢成為主流，大量洗錢行為發生在線上。數據黑產與洗錢團伙聯合，申請欺詐、交易欺詐、洗錢交易的邊界越來越模糊。

　　“反洗錢工作的開展和實施，對中國經濟社會的健康有序發展具有重大意義：不僅有利于及時追查并沒收犯罪所得，遏制洗錢犯罪及其上游犯罪，維護經濟安全和社會穩定，并且有利于消除洗錢行為給金融機構帶來的潛在金融風險和法律風險，維護金融安全；同時，能夠切斷資助犯罪行為的資金來源和渠道，防范新的犯罪行為，保護受害人的財產權，維護法律尊嚴和社會正義。”中關村互聯網金融研究院院長劉勇表示，積極參與反洗錢工作的國際合作，還能維護我國良好的國際形象。

　　AI提高可疑案件監測能力

　　在預防、監控洗錢活動方面，銀行等金融機構是以客戶識別、大額交易、可疑交易報告以及記錄保存等制度為核心內容，通過資金監測實現反洗錢工作目標。從方式上看，銀行反洗錢工作的開展，主要依賴于反洗錢專家的經驗規則。

　　然而，單純依靠經驗規則的反洗錢工作流程，在當前反洗錢監管環境下遇到的問題越來越明顯。一位銀行從業人員表示，最大的困難在于快速增加的交易量導致案件成倍增加與有限人力資源之間的矛盾，如何更準確、更高效地識別反洗錢可疑交易，成為各大銀行亟需解決的問題。

　　比如，每年的可疑交易量顯著增加，僅通過人工規則優化來減少可疑案件量，難以建立規則優化的長效機制。而識別的可疑交易僅以隨機方式分配給調查員，無法根據調查員的資歷與最佳工作時間合理分配案件調查任務。

　　又如，可疑案件描述信息依賴人工總結，這影響了案件上報流程效率以及案件審核流程信息的可管理性、可追溯性。對此，大型金融機構需要提升反洗錢審查管理效率。大型金融機構交易基數大，系統報警的可疑交易數量龐大，而人工審核后上報率低，耗費了大量的人力審核成本，迫切需要以“風險為本”為原則，指導和優化反洗錢資源配置。

　　“大型銀行一般都配備了幾百人的反洗錢人工審核隊伍。而采用AI（人工智能）反洗錢技術能夠幫助金融機構在控制風險的同時，節省30%以上的審核工作量，相當于每年節省數千萬的人力成本。”第四范式技術有限公司副總裁柴亦飛表示，AI反洗錢還能夠提高可疑案件監測能力，補充漏報案件，幫助客戶規避不必要的監管處罰，以及法律、聲譽和經營風險。

　　迭代優化反洗錢規則體系

　　“人工智能技術是一項可迭代的系統工程，將充分結合有監督和無監督算法，偵測新型洗錢特征，并迭代優化反洗錢可疑案宗評價模型；此外，結合算法偵測的新獲特征，運用多分類模型，還可實現智能識別反洗錢類型，并強化反洗錢可疑評價模型，實現重點可疑案件識別。”柴亦飛表示，人工智能模型可以反哺反洗錢知識庫，實現知識積累，迭代優化反洗錢規則體系，并實現反洗錢審核閉環優化體系。

　　那么，如何建設反洗錢可疑交易智能分析平臺？記者在采訪中了解到，具體可分為4個階段。

　　階段一是精準識別，也就是通過審查案宗建立AI識別模型，借助高維離散特征更精確的刻畫能力，大幅提升反洗錢識別精準率，精確定位可疑案宗，優化審查人員資源分配。

　　階段二是輔助審核，即通過人工智能技術識別模型中的模型特征，經過業務和工程解析，轉化成支撐案宗判定的佐證信息。同時，建模數據通過數據處理，也可成為重要的交易案宗統計分析信息。

　　階段三是知識沉淀，即引入更多人工智能技術，加強AI輔助業務的能力。例如，引入知識圖譜技術，通過對第三方機構數據進行受益人識別，將數據中的信息提煉整理，有目標地開展有效使用。而引入NLP技術和文字識別技術，可提供反洗錢監測工作的預警分析等需求。

　　階段四是探索新知，這是AI模型迭代探索階段，在橫向維度建立多分類模型，對于反洗錢種類中的重點種類，通過AI模型進行分類。在縱向維度，精細化反洗錢可疑案件識別模型，通過足夠的數據積累，建立客戶洗錢風險等級劃分模型。

　　值得一提的是，有業內專家表示，盡管AI技術潛力巨大，但仍是反洗錢工作的輔助手段之一，在實際應用中，金融服務行業還需要更好地了解人工智能的風險和局限性。（記者 錢箐旎）

?

?

相關鏈接：

?