导读:依托于 Fabarta 在金融行业应用图技术解决反洗钱业务领域问题成功经验,将图智能在反洗钱方向的应用实践进行总结并分享,主要包括以下几个方面:
全文目录:
- 反洗钱业务业务背景
- 当前反洗钱的业务流程及痛点
- 如何应用图智能进行反洗钱分析
- 案例介绍
- 总结
01 业务背景
1.背景
反洗钱的重要性在这里就不赘述了。随着金融技术的快速发展,金融机构的体量迅速增长,犯罪分子的洗钱行为、手段越来越新,呈现出专业化、团伙化、隐蔽化的特点,为反洗钱工作带来了巨大的挑战。在以往的反洗钱工作中,金融机构积累了很多数据规则,但是因为洗钱手段不断翻新,这些积累的规则或模型并不能完全、及时地发现新的洗钱手段。
因此,在已有系统预警发现之外,针对需要进一步协查的案例,结合金融机构相关数据构建反洗钱图谱后,进行可以洗钱行为进行发现和举证;在分析和举证的过程,更多的会是图数据的探查操作。
2.业务流程及痛点
(1)洗钱行为本身是团伙行为
仅针对单一的客户或者账户进行规则发现,并不能完全覆盖到团伙行为。所以需要进一步地去对整个团伙进行一些探索和发现,并识别出来团伙的行为,只有这样才能更有效地去提供有价值的情报,帮助金融机构或者经侦机构对反洗钱的案例进行分析和发现。
(2)现有业务分析过程
案发后,经侦机构为了进一步针对洗钱行为进行举证,会针对相关账户或者责任人,向相应金融机构发放协查通告。金融机构在接受到协查通告之后,会在自己的数据范围内进行人工筛查,包括收集相关账户或者相关责任人在本金融机构内的一些金融行为数据。在筛查完之后,将这部分数据中的可疑行为形成报告后,提供给相应的业务部门进行尽职调查,最后整个在机构内形成综合评判,提供一个完整的案例说明,进行上报。
(3)现有分析过程的痛点
在上述业务流程中会有以下几个痛点:
-
首先是整个流程比较长,需要数据组进行人工审查,又要业务组进行尽职调查,还要进行研判,最后进行报告整理,所以一般来说整个的案件处理的平均时间会在 20 至 50 分钟。
-
手段相对局限,因为整个过程涉及到的数据大多还是通过结构化数据库进行存储的,所以一般采用 SQL 去筛选、关联数据;针对关联数据的探索手段局限,耗时也比较长。
-
单个案例本身耗时较长,基本上是每年都会有几万起的案例,因此会消耗金融机构很大的人力工作量去应对。
-
在经过这么多的人力投入和分析之后,可疑上报之后,发现的可疑行为和数据并没有得到进一步的有效应用,无法形成一个完整的闭环。
针对这些问题,我们从技术角度提出了一个整体的分析思路。
02 分析过程
下面详细地解释一下我们的分析过程。分析过程分成五步。
(1)数据收集
首先是做数据收集,不同机构对于数据收集的能力也不尽相同。例如,经侦机构有权调用所有的数据,包括各金融机构提供的交易数据;而在金融机构内部,则仅能收集相关客户的交易流水数据、客户资料以及采买一些外部数据——包括企业的征信数据、司法的涉诉、刑事案件数据、个人行为等数据。
(2)建立图谱
在收集好各个维度的数据之后,应用这些数据去建立一个图谱,我们将其分成了两个阶段: