解决方案简介

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”。随着互联网和移动支付、创新业务等技术的发展，全球网络洗钱犯罪呈高发态势，犯罪分子利用网络交易洗钱已成常态，由于网络洗钱不用透露真实信息、全球化程度高、成本低廉、不间断交易、受众广，导致反洗钱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，因此大量的人工筛查工作让反洗钱工作有效性和效率面临挑战。

各反洗钱义务机构在积极响应监管部门的要求以及面对日超复杂的洗钱交易行为时，传统的以规则+人工筛选为主反洗钱可疑交易甄别工作模式显得力不从心，神州数码融信软件有限公司重磅推出AI智能反洗钱监测方案，通过深入理解和洞察行业现状，依托大数据、知识图谱、机器学习等技术构建AI智能反洗钱监测平台，极大的提升了洗钱案例发现的效率、洗钱案例筛查的准确率，极大的降低了反洗钱合规工作的人工投入成本，为反洗钱义务机构高质量发展赋能。

应用场景痛点简介

痛点背景

伴随着金融科技的兴起以及国际、国内反洗钱合规要求的趋严，金融机构反洗钱公司面临金融产品、交易渠道多样化，金融服务线上化，数据海量化等挑战，客户识别以及可疑交易识别难度加大，同时面临人工合规投入成本高居不下的困扰。

具体痛点

1）、身份信息难核验，客户身份识别人工投入成本大。

不同于客户本人亲自到从业机构窗口办理业务，网络交易场景下，从业机构的客户身份识别风险较大，洗钱团伙从非法渠道购买黑产盗取的身份信息，通过伪造、包装等方式，隐藏自己真实身份后进行网络交易，从业机构精准识别网络洗钱客户的真实身份，是目前反洗钱面临的首要难题。

2）、交易隐蔽难识别，识别效率低。

随着各种科学技术的不断提高，大大增加了交易活动的便捷性，但与此同时也给反洗钱工作带来了巨大的挑战，传统的货币洗钱形式已经慢慢淡出了人们的视线，取而代之是利用网银、手机银行、第三方支付等更为隐蔽和高效的洗钱方式，交易的隐蔽性导致可疑交易无法被及时发现，识别效率低，加大了反洗钱难度。

3）、数据孤岛难打破，团伙洗钱犯罪识别难度大。

目前各机构之间的系统互不联通，机构的所有数据被封存在各系统中，数据缺乏有效整合，这就使得大量数据被割裂开来，成为信息孤岛，信息的共享、反馈难，大量有价值的数据资源不能发挥更大作用。众多机构只能利用其自有的基本数据进行分析，无法关联识别出洗钱团伙的可疑交易。

解决方案亮点介绍

方案优势

结合金融机构的实际工作，AI人工智能解决方案平台以大数据、知识图谱、机器学习等技术为依托，从监管要求实际出发，重点在客户身份识别、可疑交易识别和洗钱团伙识别三个大方面帮助我们提高反洗钱识别能力。

1）、大数据、机器学习和知识图谱技术助力智能KYC

反洗钱客户身份识别（KYC），传统面对面收集客户信息的服务模式已升级为线上收集客户身份信息，机构可依托内外部大数据获取关键信息，进行深度挖掘分析以识别客户身份信息，有效降低交易双方的信息不对称性，为反洗钱提供风险预警，引导其提前采取预防措施。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，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，同时，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。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；机器学习可以解放业务操作人员，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，找出终的资金提供方与资金接收方，后，金融机构识别出了客户的风险等级。识别的过程同样也可以作为管控的过程，对于高风险的客户，直接拦截、告警等，对于无风险或者风险可控的客户，可以允许其办理或者有条件的办理业务，人工智能较之传统的技术手段，将会给金融机构的反洗钱工作带来革命性的改变。大数据技术使金融机构奠定了对于数据的掌控能力，通过高效率的机器学习，将会多维的刻画出客户及其行为，辅之以知识图谱对于异常消息的整理，使金融机构对于客户身份识别变的前所未有的清晰；在充分利用机构内部已有数据（主要包括客户与账户的基本信息）的情况下，补充更多与客户洗钱风险相关的外部数据，如设备数据、IP数据、用户行为数据、舆情数据等，互联网数据覆盖人群更广，这些维度的弱特征数据可以广泛应用于客户身份识别，成为传统风控数据的有效补充。利用有监督算法模型、半监督算法模型和深度学习，可以有效提升身份识别准确率，使反洗钱决策智能化。

2）、机器学习技术提升大额和可疑交易识别

在传统的专家规则基础上，利用机器学习技术识别大额和可疑交易，客户身份识别和可疑交易识别是很难严格区分开的，如果把客户看作是神经元网络的细胞体，那么客户交易在某种程度上可以看作是突起。客户基本信息可以作为静态因子，客户交易则动态的描述了客户行为，建立起不同客户之间的联系，可以辅助客户风险视图的完善。客户风险等级可以反作用于可疑交易的识别，通过人工智能构建起的反洗钱可疑交易识别网络，可以区分非实时、准实时、实时场景进行反洗钱管控。首先，非实时的场景，主要是针对于历史数据进行的加工处理，通过对大量客户数据、交易数据进行加工，形成多维度的识别结果，这些结果可以用于事后监控和分析，也可以用于实时校验的参考值。因为无需考虑实时交易处理效率，上述场景可以支持海量数据的处理，运用的技术手段可以更加多样，终获取的结果也更加丰富。其次，准实时和实时场景，主要是针对需要强控的业务，能够在交易当步进行有效识别和管控，系统可以通过实时计算将交易网络和其他有效信息直接展示给审核人员，并且可以根据历史数据分析判断交易的合理性，其判断结果可以实时展示给审核人员参考，在这个过程中，人工审核的结果可以作为机器学习的辅助修正手段，用以持续优化识别模型。当系统模型判断结果的准确度达到一定高度后，金融机构可以根据各自的内控制度、业务量级和人力资源情况，直接在系统中设定相应的阈值进行预警、阻断等自动化处理。目前金融机构的常规做法是先由系统进行初步识别，对于可疑交易落入人工审核队列，然后由专业人员决定交易是否放行；同时反洗钱交易模型通过收集正常交易和洗钱交易的样本，基于数据质量分析报告对数据进行缺失值处理和异常值处理后，利用特征工程，提取反洗钱交易重要特征，形成训练数据集，基于数据特点、不同模型的特性和业务场景选用合适的模型，利用实时数据训练集评估结果，特征工程、模型选择和模型参数调优三者都会影响模型的准确性，通过机器学习模型，可有效判别腐败、毒品、走私、非法集资等不同特征的大额交易和可疑交易，在降低人力成本的同时提高反洗钱识别效率，有效监控分析大额和可疑交易并上报监管，满足合规需求。

3）、构建交易链路识别洗钱团伙

传统意义上，从个体的行为特征即可通过反洗钱规则引擎识别可疑交易。但犯罪团伙高级、隐蔽的手段，很难被单纯基于个体风险识别方式察觉。复杂网络能针对复杂对象的关联关系进行非线性建模，由节点(实体)和节点之间错综复杂的关系(实体之间关系)构成拓扑网络结构，实现从全局的网络角度，分析个体在群体中的风险、作案手段，以及团伙作案概率，识别“个体正常”但是属于洗钱团伙的行为和数据。复杂网络运用大数据处理和存储技术，将多来源数据清洗后，结合业务场景创建schema，定义实体、关系及属性，绘制出大型的关系语义化网络和洗钱关系图谱，将规则、关系及变量通过关系网络表现，通过更深层信息挖掘和推理，提供动态分析和监测，复杂网络通过构建人、账户、手机、设备、企业等关联网络，结合时序分析，计算中心性、重要性等指标，识别账户及关联账户的异常交易链路，不仅能根据已列入黑名单的洗钱账户识别关联账户群组及生态圈，而且可以基于异常关系网络分析，识别新生成的洗钱团伙。基于识别的关系网络指标实时动态部署规则，实现洗钱团伙挖掘。

伴随我国金融业进一步对外开放进程，反洗钱也将成为我国参与国际治理越来越重要的领域。神州数码融信软件有限公司始终关注新技术的发展，致力于探索新技术在反洗钱领域的应用，通过机器学习结合业务专家经验，建立反洗钱AI智能监测平台，帮助金融机构持续提升反洗钱能力。

金融行业客户名单及客户评价

金融行业客户名单：上海华瑞银行等。

客户评价：

伴随着金融科技的兴起以及国际、国内反洗钱合规要求的趋严，金融机构反洗钱公司面临金融产品、交易渠道多样化，金融服务线上化，数据海量化等挑战，同时面临人工合规投入成本高居不下的困扰。

AI智能反洗钱监测平台以大数据、知识图谱、机器学习等技术改变传统的以规则+人工筛选为主反洗钱可疑交易甄别模式，极大的提升了洗钱案例发现的效率、洗钱案例筛查的准确率，极大的降低了反洗钱合规工作的人工投入成本。