科技战“疫”直播第二期！人工智能在金融机构反洗钱的应用

“因时制宜”

人工智能在金融机构

反洗钱的应用介绍

小编导读：

反洗钱作为金融机构监管合规领域的一项重点业务，近年来不断受到社会重视和关注，金融机构的反洗钱工作也在一步步完整和深入。

在我们中国，反洗钱起步较晚，从2003年我国建立反洗钱局开始，不断完善法律法规，进行反洗钱机构建设至今，只有短短17个年头，近年来，反洗钱工作的“成绩”可以看出中国在反洗钱领域已经取得了一定的建树，然而目前为止，在金融机构反洗钱建设中，还是存在着一些普遍问题。

一览群智旨在利用AI技术解决这些问题，降低传统技术模式带给金融机构反洗钱的影响，将反洗钱工作从依赖传统技术手段的方式中抽离出来，利用人工智能技术给反洗钱工作“升维”。

3月26日，在浪潮大咖Talk直播中，一览群智反洗钱产品经理王佳琛为所有“屏幕”前的观众带来了一场关于“人工智能在金融机构反洗钱的应用介绍”的分享。

     以下内容为直播演讲实录，建议收藏

点击阅读原文，收看回放

No.1

前言

今天分享的题目叫“因时制宜-人工智能技术在金融机构反洗钱的应用介绍”，本次分享分四部分，第一部分来分析金融机构反洗钱工作目前面临的主要痛点。第二部分，我们基于行业以及业务痛点，探讨人工智能在金融机构反洗钱领域该如何切入。第三、四部分，将会阐述两个成熟的人工智能反洗钱应用，作为人工智能在行业落地的分享。

No.2

金融机构反洗钱工作当前面临的主要痛点

首先，我们来看目前金融机构在反洗钱工作上面临的痛点有哪些。

金融机构开展反洗钱工作，往往涉及全机构级的数据整合以及内外部数据的融合。以商业银行为例，反洗钱系统需整合客户信息、账户信息、交易信息、卡信息、保险箱信息等多方信息，不同的信息涉及业务系统也有所不同，比如交易方面，存贷款业务、国际业务、同业业务、票据业务、支付结算业务、托管类业务等，都需要被纳入反洗钱合规业务的范畴。除此之外，比如工商信息、税务信息、甚至海关信息、航旅信息、舆情信息等，这些外部信息往往也会在反洗钱工作中承担重要任务。目前为止，在前段数据层面上，金融机构存在着以下的痛点：首先是数据分散，多源数据未能有效整合；其次是大大小小的数据质量问题；还有外部数据在银行反洗钱的应用远未达到业务预期，金融机构的数据优势也并未得到有效体现，数据潜力在传统的技术支撑下难以被发掘。

在中段—识别阶段，金融机构的痛点有哪些？反洗钱识别阶段，包含可疑及大额交易的监测，客户身份的识别、客户风险的评估等，都依赖业务层面上对识别点的有效定义，而目前金融机构普遍使用的反洗钱系统和流程，许多都是为应对监管而迅速部署的，往往并未有效考虑到自身的风险点，没有提供市场最新、最相关的方法，同时依赖业务定义，也无法穷举金融活动中所可能覆盖的所有洗钱监测点，金融机构往往以“宁可错杀，不可放过”为初衷，采用静态的、粗略的、基于规则的方式去实施洗钱识别，往往结果是“错杀了许多，放过了不少”。这一阶段主要的痛点集中为，监测标准制定难、更新难；业务专家决定了反洗钱业务开展的上限；沉重的批处理任务造成的系统运转效率低；识别阶段产生大量的误报和漏报等，这些都是中段的一些痛点。

在反洗钱的后段—甄别阶段，是金融机构反洗钱工作人员真正切身投入的阶段。反洗钱客户身份识别的审定、客户风险的审核调整、洗钱案例的甄别分析、洗钱报告的撰写汇总等工作，是这一阶段的工作重点。无论是集中作业，还是分散处置的模式，都需要人力投入。这一阶段的主要痛点是，识别预警的数量巨大带来了大量的甄别审定工作量，相应的带来了巨大的人力成本，而这部分审定内容90%是识别阶段“错杀”的产物。同时，金融机构没有充足的反洗钱专业人员储备，业务分析的依据不足，没有高可用的，可辅助业务进行深入挖掘分析的工具，导致甄别分析往往停留在表面，难以形成高情报价值的甄别分析结论。

可以看到，在前、中、后阶段，金融机构反洗钱工作的痛点相对比较明确，结合目前 “强监管、重处罚”的监管政策背景，从2019年全年和2020年至今监管处罚力度来看，促进反洗钱技术转型，解决当前问题已成为金融机构亟需面对的重点。

No.3

人工智能在反洗钱领域如何切入

随着我国反洗钱工作的深入开展和打击洗钱犯罪活动力度的加强，金融机构被推到了反洗钱工作的前沿，成为反洗钱工作的“主战场”。经济全球化的发展，金融机构业务的不断拓展无疑带来了很多利好消息，然而同时也为洗钱犯罪提供了更多肥沃的土壤，给了不法人员更多可乘之机。

从整体趋势来看，洗钱涉及的领域不断增加，类似比特币等虚拟货币洗钱、P2P等利用网络洗钱等都已经引起关注；洗钱的渠道不断拓广，在当前经济全球化、互联网冲破地域限制的大环境下，跨境贸易洗钱已成为金融机构的合规监测重中之重；洗钱的手段以及技术含量不断复杂化，洗钱资金网络的复杂性和时变性已经无法通过传统技术进行识别，这些都是带给金融机构反洗钱的挑战。可以说，目前洗钱的威胁呈几何基数增长，与此同时，金融机构面临的合规风险也与日俱增。

结合当前金融机构的反洗钱工作内容，以及面临的低能效、高成本的主要痛点，可以总结出两个主要切入点。

其一，客户身份识别方面。客户身份识别是开展一切反洗钱工作的基础，目前来看，金融机构缺乏有效的客户身份识别机制，具体体现在名单制度存在缺陷，名单匹配的策略落后，客户的深入识别与增强尽职调查停留在表层，金融机构普遍缺少对客户的穿透式分析等问题。

其二，可疑报告的甄别分析方面。可疑报告甄别分析作为金融机构反洗钱监管报送的最后一道防线，同时也是业务人员工作投入量最大、对人的素质要求最高的环节。目前甄别分析阶段普遍表现出形式化严重，可依赖的技术手段和分析依据严重不足，继而造成大量的误报漏报，最终表现为上报监管部门的洗钱线索有效性严重不足，给整个金融体系反洗钱工作带来影响。

No.4

借助人工智能，让计算机成为反洗钱专家

针对这两个切入点，结合机器学习、知识图谱、OCR、NLP等人工智能技术，充分发挥人工智能在识别、整合、建模、分析方面的优势，为反洗钱工作赋能。

客户身份识别方面，人工智能助力金融机构建设智能反洗钱名单匹配系统。在名单匹配阶段，利用人工智能技术优化传统的“模糊匹配策略”，带来漏报率更低的匹配结果，同时，引入机器学习技术拟合业务专家的审核经验，对匹配结果进行排序，将可疑度高的匹配结果推荐给合规审核岗，大大降低误报。名单匹配是一个对时效性要求较强的业务，针对大型金融机构普遍面对的名单筛查性能问题，人工智能结合大数据技术，带来更高效的名单筛查响应速度，降低因名单匹配的等待时间，做到“及时预警、及时审核、及时上报”，在符合监管对时效性要求的前提下，避免对实际业务产生影响。

可疑案例甄别分析方面，利用知识图谱、机器学习等人工智能技术，构建可视化交互式的可疑案例甄别平台。通过构建金融机构反洗钱领域知识图谱，准确描述客户关系网络与资金交易网络，将洗钱特征点与图算法相结合，精准识别隐藏在复杂网络中的洗钱主体或洗钱子网络，为分析甄别人员提供更多的洗钱参照。同时，提供高效的分析工具，支持业务人员进行交互式、可视化的实时分析，最终产出有效性高的可疑报告。

智能名单匹配系统与交互式可视化案例甄别平台，是人工智能在反洗钱领域切入，并能够实现落地的应用。

No.5

建设基于人工智能的名单匹配系统

名单匹配系统有效结合机器学习和自然语言处理技术，提高匹配精准度，大大降低名单匹配的误报和漏报。

传统名单匹配策略，大多采用关系型数据库存储过程作为支撑，对于模糊匹配的定义已经无法满足当前的业务需求，特别是对于中英文匹配中常见的数据错误、输入错误等，没有较高的容错率，经常发生漏报的现象。比如：在涉恐名单中，存在许多恐怖分子，名字较长且名字中存在不太好输入的一个点。业务人员采用传统匹配方式错输或漏输会导致“查无此人”的结果。而智能名单系统的模糊匹配策略，采用ES分词匹配+自然语言处理技术，具备一定的容错率，能够准确将业务输入与名单数据进行匹配查询，寻找出疑似主体。匹配产生的结果，会再经过经多轮标注训练而成的AI排序模型，通过排序算法推荐少量高风险样本到业务审核环节，降低审定工作量。基于人工智能的名单匹配策略相对于传统名单匹配，可提升60%左右的准确率，并降低合规人员40%以上的工作量。

在反洗钱业务中，针对国际业务的名单匹配，是防范跨境洗钱犯罪的重点，而其中重要的一个场景是对swift报文中的相关实体进行名单匹配。

传统名单匹配系统，依旧依赖人力对报文中的内容进行提取。这种方式是偏离线的，半自动化的方式，需要投入大量的人力，进行报文识别，报文要素提取，实体信息结构化，以及对抽取出的相关内容进行准确性审核。繁琐的流程会对实时业务产生巨大的影响，所以很多中小银行在swift报文匹配方面，要么做的很简单，要么直接选择不做，而这无疑又带来了巨大的合规风险。智能名单匹配利用NLP技术进行自动化报文识别与信息提取，结合自动化流程配置，进行名单匹配和送审，完成了半自动到全自动的转型。在发生国际结算业务时，智能名单系统实时获取swift报文，标准化的配置组件将会对报文中已经规范好内容的标准域进行解析，NLP主要发力点在报文中内容没有固定要求的自由域，识别并提取其中的待匹配实体信息。报文中提取的，包括客户主体、交易对手、飞机、船舶、港口、货物等信息，将自动进入名单匹配环节，通过人工智能匹配逻辑进行匹配并将匹配结果送审。

人工智能技术应用于金融机构名单匹配已得到充分的实践，一览群智结合上述的应用场景，已形成了功能完备的名单系统产品，满足越来越多的金融机构建设独立名单系统的需求。

No.6

建设基于人工智能的可视化案例甄别平台

基于知识图谱，机器学习等技术建设的智能化的可疑案例甄别平台，能够为一线反洗钱工作人员提供立竿见影的甄别辅助。

应用于反洗钱甄别阶段的智能甄别平台一定是业务与技术的有效结合体。包括金融行业业务专家经验积累、洗钱案例的分析结论、公安机构的警情研判标准以及监管机构的风险指引，作为平台的业务层支撑。通过知识图谱技术与金融机构内外部数据相结合，将传统的宽表数据图谱化，构建起两大反洗钱知识图谱网络，分别是客户关系网络和资金交易网络。客户关系网络以客户、账户、客户关系人、客户关联信息间的复杂关系为主，包括公司和个人客户下存在的亲属关系、股权关系、法人实控人关系、企业及个人的地址、联系方式关系、账户关系等。资金交易网络主要用来揭示账户间的交易往来，完整描述客户在时间窗口内的资金链路。客户关系网络与资金交易网络的结合，形成了反洗钱领域图谱。在图谱之上，智能可疑案例甄别平台从客户特征、行为特征、交易特征三个层面出发，通过定义图规则和深度洗钱网络图算法，结合机器学习技术，挖掘并提取重要洗钱可疑特征或可疑网络，包括对团伙洗钱的识别，复杂关系的识别，可疑客户完整视图的构建、可疑交易资金来源及去向的追溯、可疑主体的目的和性质，背景和意图的发掘等，这些发现均可以作为线索，提供给一线业务人员作为甄别参考和依据。

真正让人工智能成为生产力，助力业务人员进行高效甄别，需要搭建起可视化的分析应用，为用户提供交互式的分析体验。智能反洗钱甄别平台在应用层面具备高效的分析工具，支持业务人员进行关系下钻与信息提取，关联交易的快速追溯获取，资金链路的实时挖掘分析，主动发现隐藏在复杂网络中的可疑点，结合系统端给出的可疑线索，通过标准化的甄别分析流程，完成一系列甄别分析工作，准确判定可疑主体。经甄别平台判定的可疑案例，作为知识积累，不断补充平台的业务属性，形成良性的闭环，使计算机一步步变成行业专家。

No.7

Elens可视化交互式案例甄别平台

一览群智将人工智能技术与领域知识及一线客户需求相结合，定义并开发了可视化交互式的案例甄别平台，在此与各位分享几大主要功能模块。

一、可视化、交互式的图谱分析窗口。自动推荐可疑线索，多样的图谱布局展示，交互式分析操作组件等，解决传统分析实操难的问题。

二、可疑客户全息画像。包括客户标签、客户涉罪类型的自动推荐、客户多维度的甄别统计分析结论、客户的资金链路描述等功能，助力业务人员更有效的识别可疑主体，为定性分析打好基础。

三、深度网络分析。合图算法与机器学习技术，深入发掘存在于复杂的、多层图谱网络内的洗钱子网络，提取洗钱模式，将洗钱甄别从传统的统计分析转变为智能化的挖掘分析，进一步提升报告价值。

四、自动化的报告生成。结合分析过程中的人工结论与计算机的识别结论，在甄别分析并确定客户具备洗钱嫌疑时，系统将自动生成重点可疑分析报告，减少了业务人员繁琐沉重的分析报告撰写工作压力，同时为业务人员提供了一定程度的报告参考。

— END —