人工智能助力反洗钱升级

前不久，全球反洗钱标准的制定机构——反洗钱金融行动特别工作组(FATF)公布了《中国反洗钱和反恐怖融资互评估报告》，认可近年来中国在反洗钱工作方面取得的积极进展，认为中国的反洗钱体系具备良好基础。其中，人工智能的作用日益凸显

洗钱是指将毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪、贪污贿赂犯罪、破坏金融管理秩序犯罪、金融诈骗犯罪的所得及其产生的收益，通过金融机构以各种手段掩饰、隐瞒资金的来源和性质，使其在形式上合法化的行为。目前，常见的洗钱途径广泛涉及银行、保险、证券、房地产等各种领域。

为了让反洗钱工作更加严格和细致，2018年10月，中国人民银行、银保监会、证监会联合发布《互联网金融从业机构反洗钱和反恐怖融资管理办法(试行)》；2019年2月21日，银保监会发布2019年的第1号令《银行业金融机构反洗钱和反恐怖融资管理办法》；等等。

一直以来，银行反洗钱工作的开展，主要依赖于反洗钱专家经验规则。但随着银行交易量逐年增长，可疑交易宗数年增长30%至40%，仅通过人工规则优化来减少可疑案件量，难以建立规则优化的长效机制。

值得关注的是，科研人员已利用人工智能机器学习平台研制出反洗钱可疑交易智能分析平台，为反洗钱相关部门提供由人工智能机器学习算法驱动的反洗钱决策支持。

洗钱犯罪新趋势带来挑战

经济日报记者了解到，我国洗钱犯罪活动出现了一些新趋势，这为反洗钱工作带来了新的挑战。在不少业内人士看来，面对严峻的反洗钱形势，反洗钱监管力度还需加大。

目前，从人民银行破获的洗钱案件情况来看，我国洗钱犯罪活动的趋势之一是向不发达区域蔓延。具体来讲，洗钱犯罪的上游犯罪(毒品、黑社会、走私团伙等)逐渐向内陆蔓延，这主要是由于内陆地区相对宽松的环境为洗钱提供了便利。而经济发达地区的金融监管不断加强，洗钱犯罪分子的生存空间受到挤压。

与此同时，涉众案件、职务犯罪案件增多。据介绍，洗钱活动涉及的上游犯罪由经济犯罪、毒品犯罪、走私犯罪领域向涉众型犯罪案件及职务犯罪案件延展。非法传销、非法集资以及各种“黑基金”案件等涉众型犯罪案件层出不穷。而职务犯罪案件多集中在银行信贷、证券期货、交通运输等领域。

此外，特别值得注意的是，随着金融和非金融交易业务不断更新，洗钱行为正变得越来越扑朔迷离。当网络银行、电子货币、电子交易出现以后，精通电子技术的洗钱者踪迹变得更加飘忽不定。互联网技术发展的同时，洗钱手段不断升级。互联网借贷平台、互联网保险、虚拟货币等，都成了洗钱犯罪分子的温床。目前，利用电子支付、电子交易的网络洗钱成为主流，大量洗钱行为发生在线上。数据黑产与洗钱团伙联合，申请欺诈、交易欺诈、洗钱交易的边界越来越模糊。

“反洗钱工作的开展和实施，对中国经济社会的健康有序发展具有重大意义：不仅有利于及时追查并没收犯罪所得，遏制洗钱犯罪及其上游犯罪，维护经济安全和社会稳定，并且有利于消除洗钱行为给金融机构带来的潜在金融风险和法律风险，维护金融安全；同时，能够切断资助犯罪行为的资金来源和渠道，防范新的犯罪行为，保护受害人的财产权，维护法律尊严和社会正义。”中关村互联网金融研究院院长刘勇表示，积极参与反洗钱工作的国际合作，还能维护我国良好的国际形象。

AI提高可疑案件监测能力

在预防、监控洗钱活动方面，银行等金融机构是以客户识别、大额交易、可疑交易报告以及记录保存等制度为核心内容，通过资金监测实现反洗钱工作目标。从方式上看，银行反洗钱工作的开展，主要依赖于反洗钱专家的经验规则。

然而，单纯依靠经验规则的反洗钱工作流程，在当前反洗钱监管环境下遇到的问题越来越明显。一位银行从业人员表示，最大的困难在于快速增加的交易量导致案件成倍增加与有限人力资源之间的矛盾，如何更准确、更高效地识别反洗钱可疑交易，成为各大银行亟需解决的问题。

比如，每年的可疑交易量显著增加，仅通过人工规则优化来减少可疑案件量，难以建立规则优化的长效机制。而识别的可疑交易仅以随机方式分配给调查员，无法根据调查员的资历与最佳工作时间合理分配案件调查任务。

又如，可疑案件描述信息依赖人工总结，这影响了案件上报流程效率以及案件审核流程信息的可管理性、可追溯性。对此，大型金融机构需要提升反洗钱审查管理效率。大型金融机构交易基数大，系统报警的可疑交易数量庞大，而人工审核后上报率低，耗费了大量的人力审核成本，迫切需要以“风险为本”为原则，指导和优化反洗钱资源配置。

“大型银行一般都配备了几百人的反洗钱人工审核队伍。而采用AI(人工智能)反洗钱技术能够帮助金融机构在控制风险的同时，节省30%以上的审核工作量，相当于每年节省数千万的人力成本。”第四范式技术有限公司副总裁柴亦飞表示，AI反洗钱还能够提高可疑案件监测能力，补充漏报案件，帮助客户规避不必要的监管处罚，以及法律、声誉和经营风险。

迭代优化反洗钱规则体系

“人工智能技术是一项可迭代的系统工程，将充分结合有监督和无监督算法，侦测新型洗钱特征，并迭代优化反洗钱可疑案宗评价模型；此外，结合算法侦测的新获特征，运用多分类模型，还可实现智能识别反洗钱类型，并强化反洗钱可疑评价模型，实现重点可疑案件识别。”柴亦飞表示，人工智能模型可以反哺反洗钱知识库，实现知识积累，迭代优化反洗钱规则体系，并实现反洗钱审核闭环优化体系。

那么，如何建设反洗钱可疑交易智能分析平台？记者在采访中了解到，具体可分为4个阶段。

阶段一是精准识别，也就是通过审查案宗建立AI识别模型，借助高维离散特征更精确的刻画能力，大幅提升反洗钱识别精准率，精确定位可疑案宗，优化审查人员资源分配。

阶段二是辅助审核，即通过人工智能技术识别模型中的模型特征，经过业务和工程解析，转化成支撑案宗判定的佐证信息。同时，建模数据通过数据处理，也可成为重要的交易案宗统计分析信息。

阶段三是知识沉淀，即引入更多人工智能技术，加强AI辅助业务的能力。例如，引入知识图谱技术，通过对第三方机构数据进行受益人识别，将数据中的信息提炼整理，有目标地开展有效使用。而引入NLP技术和文字识别技术，可提供反洗钱监测工作的预警分析等需求。

阶段四是探索新知，这是AI模型迭代探索阶段，在横向维度建立多分类模型，对于反洗钱种类中的重点种类，通过AI模型进行分类。在纵向维度，精细化反洗钱可疑案件识别模型，通过足够的数据积累，建立客户洗钱风险等级划分模型。

值得一提的是，有业内专家表示，尽管AI技术潜力巨大，但仍是反洗钱工作的辅助手段之一，在实际应用中，金融服务行业还需要更好地了解人工智能的风险和局限性。