必威体育-国外新闻热点-时事新闻爆料

分类

浅谈利用人工智能技术编织反洗钱天网

文 / 中信银行总行信息技术部高级经理 陈新蕾

自2007年中国正式加入反洗钱金融行动特别工作组(FATF)以来,反洗钱监管力度不断提升,境内金融机构反洗钱合规压力越来越大,根据央行官网各分支机构的公示信息,仅以2018年统计数字为例,反洗钱行政处罚共计396笔,罚款金额合计13101.86万元。在2018年10月召开的金融系统反洗钱工作会议上,人民银行、银保监会、证监会、外汇局等监管机构一致认为当前反洗钱工作面临的国际国内形势依然严峻,国际反洗钱标准趋严,国际反洗钱互评估工作进入攻坚阶段,同时,扩大金融业双向开放和防控金融风险攻坚战都要求将反洗钱和反恐怖融资作为风险管控的重要举措,反洗钱监管已成为金融监管的重要内容。

随着《法人金融机构洗钱和恐怖融资风险管理指引(试行)》(银反洗发【2018】19号)和《银行业金融机构反洗钱和反恐怖融资管理办法》(银保监会令【2019】1号)两项文件的下发,反洗钱监管力度进一步加码,金融机构亟需提升反洗钱能力。另一方面,不断涌现的金融创新产品和海量的交易数据也给金融机构的反洗钱工作带来了巨大挑战。在信息技术飞速发展的今天,利用新人工智能手段为反洗钱工作赋能,编织出智能的反洗钱天网成为金融机构的必然选择。

新技术为反洗钱提供了有力工具

金融机构进行反洗钱识别所依赖的基础数据除了数量级大的特点,还兼有非连续性、低质量、缺乏数据字典和元数据等一系列负面特质,但却为新兴人工智能技术工具提供了一展身手的广阔天地,主要包括:

1. 大数据技术。麦肯锡全球研究所给出的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。

2. 知识图谱。在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱的重要应用方向即是呈现不同事物之间的联系,从而为管理和决策提供切实的、有意义的参考。

3. 机器学习。机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

应用场景分析

根据我国反洗钱法的规定,金融机构的反洗钱义务主要包括“依法采取预防、监控措施,建立健全客户身份识别制度、客户身份资料和交易记录保存制度、大额交易和可疑交易报告制度”。结合金融机构的实际工作,人工智能技术可以从客户身份识别和可以交易识别两个方面帮助我们提高反洗钱识别能力。

1. 客户身份识别

如果把金融机构识别风险客户比作是渔夫用渔网捕鱼,应用场景可以如下所述。

首先,金融机构获取的海量客户和交易数据就是制作渔网的原材料,利用大数据技术将相关数据按照流程存储、传输、清洗、输入模型,输出了不同的客户数据特征值,类比成输出不同规格的鱼线,用以编织不同规格的渔网。与传统工艺所不同的是,利用大数据技术进行的数据加工过程不再因为量级、效率、维度等因素而受限。落地到客户身份识别场景中,可以存储和分析的信息不再局限于开户申请中所获取的有限信息项,通过有效引导,将会扩大到交易信息项。另一方面,大数据的流式计算技术使监控工作从事后分析逐步前移,为事中和事前监控开启了可能。

其次,金融机构关于客户风险等级的分类可以比作是渔夫期望捕鱼的大小规格,用不同规格的鱼线、根据设计的网口大小和图案可以织出不同规格的渔网。同样,根据不同的客户数据特征值和金融机构设定的风险参数,利用机器学习和知识图谱技术可以建立起客户的风险视图。知识图谱可以打破传统数据库关联的瓶颈,类比于神经元网络,可以向任意方向拓展;机器学习可以解放产品经理,只要提供足够的正负样本,就可以让程序自己去模拟人类学习过程,进一步明晰事物之间的联系。以办理一笔跨境汇款业务的客户为例,只要有足够的客户信息数据、转账交易数据支撑,就可以通过知识图谱技术,构建以该客户为中心的网络,找出最终的资金提供方与资金接收方。