【人工智能在反洗錢領(lǐng)域的應(yīng)用探究10000字（論文）】

第共16頁(yè)人工智能在反洗錢領(lǐng)域的應(yīng)用研究目錄引言…………………3一、反洗錢狀況分析………………4（一）反洗錢的含義………………4（二）洗錢的方式…………………4（三）國(guó)內(nèi)外反洗錢的發(fā)展?fàn)顩r…………………5二、反洗錢領(lǐng)域面臨的問題及原因分析…………6（一）客戶身份和可疑交易識(shí)別困難……………6（二）資源分配失衡推高成本……………………7（三）誤報(bào)導(dǎo)致合規(guī)風(fēng)險(xiǎn)增加……………………7三、人工智能在反洗錢領(lǐng)域的優(yōu)化措施…………7（一）人工智能概述………………8（二）人工智能構(gòu)建可疑交易監(jiān)測(cè)體系…………8（三）反洗錢資源分配策略建議…………………11（四）人工智能助力合規(guī)模型優(yōu)化………………12四、人工智能應(yīng)用的效用及前景展望……………13（一）人工智能應(yīng)用的效用………13（二）人工智能應(yīng)用的前景展望…………………13結(jié)束語(yǔ)………………15參考文獻(xiàn)……………16引言習(xí)近平總書記在2018年亞太經(jīng)合組織領(lǐng)導(dǎo)人非正式會(huì)議、2019年中國(guó)國(guó)際數(shù)字經(jīng)濟(jì)博覽會(huì)等國(guó)內(nèi)外重要講話中指出，數(shù)字經(jīng)濟(jì)將成為未來全球的主要發(fā)展方向，我們需順勢(shì)而為大力推進(jìn)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，提出大數(shù)據(jù)戰(zhàn)略和建設(shè)數(shù)字中國(guó)的目標(biāo)。為全面貫徹黨中央、國(guó)務(wù)院高瞻遠(yuǎn)矚、與時(shí)俱進(jìn)，作出建設(shè)數(shù)字中國(guó)的戰(zhàn)略決策部署，同年中國(guó)人民銀行印發(fā)《關(guān)于金融科技（FinTech）發(fā)展規(guī)劃（2019-2021年）的通知》（銀發(fā)【2019】209號(hào)）。明確指出金融科技是技術(shù)驅(qū)動(dòng)的金融創(chuàng)新，旨在運(yùn)用現(xiàn)代科技成果改造或創(chuàng)新金融產(chǎn)品、提高監(jiān)管水平、優(yōu)化業(yè)務(wù)流程和經(jīng)營(yíng)模式等。在現(xiàn)代科技革命和產(chǎn)業(yè)變革下，科學(xué)規(guī)劃運(yùn)用大數(shù)據(jù)、合理布局云計(jì)算、穩(wěn)步應(yīng)用人工智能，為金融發(fā)展提質(zhì)增效、提供創(chuàng)新活力、增強(qiáng)服務(wù)實(shí)體經(jīng)濟(jì)能力。同年，反洗錢金融行動(dòng)特別組（FATF）對(duì)中國(guó)的評(píng)估報(bào)告中指出我國(guó)反洗錢監(jiān)管有效性不足。實(shí)際上中國(guó)早已嘗試多種措施來提高我國(guó)的反洗錢工作。但由于我國(guó)各銀行發(fā)展不均衡、傳統(tǒng)模式效率低、監(jiān)測(cè)手段單一、技術(shù)落后等原因，反洗錢有效性一直有待提高。針對(duì)反洗錢問題，依托人工智能、大數(shù)據(jù)等新興技術(shù)，結(jié)合數(shù)字中國(guó)戰(zhàn)略以及人民銀行金融科技創(chuàng)新的要求，從銀行反洗錢和人工智能應(yīng)用多角度進(jìn)行深入分析，寄予通過人工智能等金融科技為提高我國(guó)銀行反洗錢領(lǐng)域的有效性提供創(chuàng)新發(fā)展之路。反洗錢狀況分析（一）反洗錢的含義反洗錢是相對(duì)于洗錢而言的，反洗錢顧名思義就是反對(duì)洗錢、預(yù)防洗錢、阻止洗錢、打擊洗錢的意思。那么什么是洗錢呢？洗錢是一種違法行為，犯罪分子通過洗錢隱藏其犯罪所得的資金來源和所有者身份，指通過一系列交易，為從非法來源獲取的資金披上合法來源的外衣。通俗的講，就是讓所謂的“黑錢”通過一系列“清洗”錢的過程，最終成為“干凈”的錢歸犯罪分子所有，并堂而皇之地上市流通交易。洗錢對(duì)個(gè)人、社會(huì)、國(guó)家和全球經(jīng)濟(jì)都造成了嚴(yán)重的危害。通過全球經(jīng)濟(jì)體系，洗錢不僅為犯罪集團(tuán)提供了將非法所得轉(zhuǎn)化為個(gè)人財(cái)富的手段，而且還為犯罪分子進(jìn)一步犯罪活動(dòng)提供了一個(gè)融資平臺(tái)。比如支持恐怖主義，根據(jù)美國(guó)國(guó)務(wù)院2013年的統(tǒng)計(jì)數(shù)據(jù)顯示當(dāng)年全球共發(fā)生9707起恐怖襲擊，造成了近17800人死亡。還有非法的毒品交易，毒販會(huì)通過洗錢的方式隱藏犯罪的收入，根據(jù)世界衛(wèi)生組織的數(shù)據(jù)，毒品已經(jīng)導(dǎo)致1530萬人藥物成癮。另外，洗錢還進(jìn)一步加劇了發(fā)展中國(guó)家或地區(qū)的持續(xù)貧困，據(jù)不完全統(tǒng)計(jì)，每年大約有1萬億美元流出這些國(guó)家或地區(qū)，其流失的贓款數(shù)額遠(yuǎn)遠(yuǎn)大于流入的外國(guó)投資金額，是人類社會(huì)發(fā)展不均衡、貧困加劇、地區(qū)動(dòng)蕩的主要根源之一。（二）洗錢的方式正所謂“知己知彼、百戰(zhàn)不殆”，所以我們?cè)谘芯糠聪村X之前，讓我們先看看洗錢的方式方法。洗錢的方式大概可分為三個(gè)階段：放置，分層和融合。放置就是用一種或多種不同的方法將犯罪所得在不被發(fā)覺的情況下存入到金融體系中。這也是洗錢的第一步，洗錢者為了掩人耳目會(huì)采用多種多樣的方式方法。比如：分散化處理把現(xiàn)金存入到多人名下的多個(gè)銀行賬戶，每個(gè)賬戶存入的金額低于監(jiān)管要求的閾值，從而逃避檢查；專門用非正式的替代性匯款系統(tǒng)進(jìn)行轉(zhuǎn)賬，這種地下系統(tǒng)已經(jīng)存在多年，尤其是不發(fā)達(dá)國(guó)家或地區(qū)的轉(zhuǎn)賬服務(wù)；電子轉(zhuǎn)賬利用私人間的的電子支付業(yè)務(wù)，目前互聯(lián)網(wǎng)業(yè)務(wù)發(fā)達(dá)，可以快速轉(zhuǎn)移到世界各地；資產(chǎn)轉(zhuǎn)移就是通過購(gòu)買價(jià)值高并易于出售的物品，例如鉆石、房產(chǎn)、黃金和古董等；批量轉(zhuǎn)移指洗錢者把大量的銀行票據(jù)、現(xiàn)金等偷運(yùn)到國(guó)外，從而兌換成合法的貨幣；博彩也是洗錢者的最愛，賭場(chǎng)用現(xiàn)金兌換成籌碼，然后再將籌碼兌換成現(xiàn)金的過程；證券公司也是洗錢的重災(zāi)區(qū)，洗錢者會(huì)投資證券或虛假證券交易創(chuàng)造所謂的“利潤(rùn)”。分層是洗錢的第二階段，非法資金在金融體系中流轉(zhuǎn)，從而掩蓋資金來源制造資金合法的假象。離岸銀行、空殼公司和中介人是洗錢者常用的手段。在很多國(guó)家和地區(qū)都有離岸銀行，并且該離岸銀行反洗錢的規(guī)則松懈，很容易完成銀行間的資金轉(zhuǎn)移；洗錢者在不同國(guó)家和地區(qū)建立多種空殼公司，并從事虛假交易，從而完成非法資金存放；會(huì)計(jì)、律師和其他專業(yè)人士可能充當(dāng)中介人，為犯罪分子完成交易。洗錢的最后一步是融合，洗錢者可以通過多種方法使用這些非法所得，將資金進(jìn)一步融入到合法的金融體系中，甚至為恐怖主義提供資金用來實(shí)現(xiàn)洗錢的目的。比如在離岸銀行辦理信用卡到世界各地消費(fèi)，在空殼公司安排職位并支付大額咨詢費(fèi)，或者為其他公司提供融資等。另外，隨著金融體系反洗錢力度越來越精確，犯罪分子進(jìn)而學(xué)會(huì)了利用龐大的全球貿(mào)易體系進(jìn)行洗錢，在發(fā)展中國(guó)家和地區(qū)中流出的犯罪資金中，據(jù)估計(jì)有80%是通過貿(mào)易洗錢完成的。開具虛高的發(fā)票、虛假商品和貨運(yùn)等是洗錢者利用貿(mào)易洗錢常用的洗錢方式。（三）國(guó)內(nèi)外反洗錢的發(fā)展?fàn)顩r洗錢是全球性問題，全球每年的洗錢金額估計(jì)高達(dá)9000億到2萬億美元。因而反洗錢也需要全世界共同尋求解決方案，由此誕生了反洗錢組織。金融行動(dòng)特別工作組（FATF）是一家國(guó)際組織，成立于1989年，針對(duì)打擊洗錢、恐怖融資及其他威脅，制定相應(yīng)標(biāo)準(zhǔn)、協(xié)調(diào)國(guó)際政策并提出具體建議，被認(rèn)為是打擊洗錢行為的國(guó)際標(biāo)準(zhǔn)。成員國(guó)須將該標(biāo)準(zhǔn)加入到本國(guó)的反洗錢法律法規(guī)中執(zhí)行。2012年,FATF修訂了最新建議，支持各國(guó)政府打擊金融犯罪。另外，亞太反洗錢工作組（APG）成立于1997年，是FATF全球反洗錢/反恐怖融資（AML/CTF）戰(zhàn)略組成部分。反洗錢在每個(gè)國(guó)家的發(fā)展?fàn)顩r各不相同，但嚴(yán)厲的反洗錢法規(guī)和條例是打擊洗錢行為的主要手段。我們以新加坡為例，新加坡的反洗錢/恐怖融資法律法規(guī)主要包括：新加坡金管局關(guān)于預(yù)防反洗錢和打擊恐怖融資的626號(hào)通知；《沒收腐敗、販毒和其他嚴(yán)重犯罪所得法》（以下簡(jiǎn)稱CDSA）；《反恐怖主義（遏制融資）法案》（以下簡(jiǎn)稱TSOFA）。洗錢罪在CDSA第43條至48條。對(duì)于每項(xiàng)洗錢罪行，個(gè)人會(huì)被處以最高500,000新加坡元的罰款或10年監(jiān)禁。非個(gè)人會(huì)被處以最高100萬新加坡元的罰款。同樣，如果對(duì)可疑洗錢行為知情不報(bào)，可被處以最高20,000新加坡元的罰款。如果預(yù)先向其他人泄露有關(guān)調(diào)查的信息，可處以不超過30,000新加坡元的罰款和/或最長(zhǎng)3年的監(jiān)禁。如果違反法院依據(jù)法案下達(dá)的判令或提供虛假信息，可以處以最高10,000新加坡元的罰款和/或最高2年的監(jiān)禁。如果未能保留交易文件，可以處以10,000新加坡元的罰款。新加坡商業(yè)事務(wù)局金融調(diào)查署負(fù)責(zé)打擊新加坡境內(nèi)的洗錢活動(dòng)。它與地方金融機(jī)構(gòu)、政府機(jī)關(guān)和其他國(guó)外同行一起合作，確保新加坡具有強(qiáng)健的反洗錢金融體系。新加坡金融管理局（以下簡(jiǎn)稱MAS）負(fù)責(zé)監(jiān)管新加坡銀行機(jī)構(gòu)，它還負(fù)責(zé)起草和實(shí)施預(yù)防反洗錢和逃稅的銀行法規(guī)。從2013年7月1日起，MAS將廣泛的嚴(yán)重稅務(wù)犯罪也認(rèn)定為洗錢上游犯罪。中國(guó)反洗錢/恐怖融資法律法規(guī)最初于2003年就提出了相關(guān)規(guī)定。2006年10月31日通過了《中華人民共和國(guó)反洗錢法》，隨后在2007年又頒布了一些重要法規(guī)，他們?yōu)橹袊?guó)的反洗錢反恐怖融資法規(guī)打下了基礎(chǔ)。這些法律法規(guī)主要包括：金融機(jī)構(gòu)反洗錢規(guī)定；金融機(jī)構(gòu)客戶身份識(shí)別和客戶身份資料及交易記錄保存管理辦法；跨境交易反洗錢要求；金融機(jī)構(gòu)洗錢和恐怖融資風(fēng)險(xiǎn)評(píng)估及客戶分類管理指引的通知；涉及恐怖活動(dòng)資產(chǎn)凍結(jié)管理辦法；金融機(jī)構(gòu)銀行卡反洗錢要求；金融機(jī)構(gòu)反洗錢監(jiān)督管理實(shí)施辦法；2016年12月30日進(jìn)一步發(fā)布了《金融機(jī)構(gòu)大額交易和可疑交易報(bào)告管理辦法》（中國(guó)人民銀行令【2016】第3號(hào)，以下簡(jiǎn)稱“3號(hào)令”）。中國(guó)反洗錢法規(guī)定，如果違反反洗錢法規(guī)定，可對(duì)金融機(jī)構(gòu)及負(fù)責(zé)反洗錢合規(guī)事宜的高級(jí)管理人員處以500,000到5,000,000元人民幣的罰款，或者對(duì)其他負(fù)責(zé)人處以50,000到500,000元人民幣的罰款。對(duì)于存在嚴(yán)重洗錢問題的金融機(jī)構(gòu)，可暫停或吊銷它們的營(yíng)業(yè)執(zhí)照。此外，對(duì)于在銀行中的董事或高級(jí)管理人員負(fù)責(zé)反洗錢合規(guī)人員，可以禁止其今后繼續(xù)在金融機(jī)構(gòu)工作。同時(shí)對(duì)于大額和可疑交易報(bào)告也做了詳細(xì)規(guī)定，并要求金融機(jī)構(gòu)向中國(guó)人民銀行反洗錢監(jiān)測(cè)中心（CAMLMAC）報(bào)告相關(guān)交易。2013和2014年，中國(guó)人民銀行分別針對(duì)客戶洗錢和恐怖融資風(fēng)險(xiǎn)評(píng)估方法，以及金融機(jī)構(gòu)的反洗錢監(jiān)督管理辦法發(fā)布了相關(guān)法規(guī)，進(jìn)一步完善了我國(guó)反洗錢法律體系。反洗錢領(lǐng)域面臨的問題及原因分析（一）客戶身份和可疑交易識(shí)別困難金融機(jī)構(gòu)必須充分認(rèn)識(shí)并了解客戶，“了解你的客戶”（KYC）這一點(diǎn)在反洗錢中至關(guān)重要。因?yàn)槟愕目蛻粲锌赡軙?huì)試圖利用銀行進(jìn)行洗錢犯罪活動(dòng)，給金融機(jī)構(gòu)造成聲譽(yù)風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、法律監(jiān)管風(fēng)險(xiǎn)以及集中風(fēng)險(xiǎn)。確保我們僅接受合法且誠(chéng)信的客戶，并正確識(shí)別我們的客戶并了解他們可能帶來的風(fēng)險(xiǎn)?？蛻羯矸葑R(shí)別首先是接受或拒絕客戶，通過遵循接受客戶政策，運(yùn)用客戶檔案識(shí)別高風(fēng)險(xiǎn)客戶。確定客戶身份是客戶身份識(shí)別的核心，需要使用可靠來源的數(shù)據(jù)、文件或其他相關(guān)的客戶信息進(jìn)行有效識(shí)別。同時(shí)還需要監(jiān)測(cè)高風(fēng)險(xiǎn)的可疑交易。隨著互聯(lián)網(wǎng)技術(shù)和移動(dòng)客戶端業(yè)務(wù)的蓬勃發(fā)展，業(yè)務(wù)場(chǎng)景越來越復(fù)雜。尤其各種電子渠道交易呈現(xiàn)高頻率、跨行和跨地區(qū)等特點(diǎn)，面對(duì)海量交易數(shù)據(jù)，可疑交易和資金流向很難追蹤。隱形案件在洗錢等金融犯罪領(lǐng)域普遍存在。針對(duì)這些情況，很多傳統(tǒng)金融機(jī)構(gòu)采用的傳統(tǒng)規(guī)則模型已經(jīng)不適合當(dāng)前新形勢(shì)的發(fā)展，很難履行“了解你的客戶”的職責(zé)。如何采用新技術(shù)手段不斷豐富和反饋現(xiàn)有的傳統(tǒng)規(guī)則系統(tǒng),從而有效進(jìn)行身份和可疑交易監(jiān)測(cè)是反洗錢領(lǐng)域急需解決的問題。（二）資源分配失衡推高成本為了更好的了解你的客戶，金融機(jī)構(gòu)必須執(zhí)行客戶盡職調(diào)查（CDD）用來識(shí)別可疑的個(gè)人和交易。中國(guó)人民銀行在《金融機(jī)構(gòu)洗錢和恐怖融資風(fēng)險(xiǎn)評(píng)估及客戶分類管理指引》里面明確指出，金融機(jī)構(gòu)應(yīng)根據(jù)風(fēng)險(xiǎn)評(píng)估結(jié)果合理分配反洗錢資源，在洗錢風(fēng)險(xiǎn)較高的領(lǐng)域采取強(qiáng)化反洗錢措施。同時(shí)FATF也建議采用風(fēng)險(xiǎn)為本的增強(qiáng)型方法。當(dāng)前反洗錢新形勢(shì)下，已經(jīng)從“規(guī)則為本”轉(zhuǎn)向“風(fēng)險(xiǎn)為本”。所謂風(fēng)險(xiǎn)為本的執(zhí)行原則就是根據(jù)優(yōu)先級(jí)分配資源，從而使最大的風(fēng)險(xiǎn)獲取更多的關(guān)注。務(wù)必為風(fēng)險(xiǎn)高的客戶和交易分配更多的資源進(jìn)行客戶盡職調(diào)查。目前各金融機(jī)構(gòu)預(yù)警案件數(shù)量較大，準(zhǔn)確率較低，導(dǎo)致金融機(jī)構(gòu)需要投入巨大的反洗錢資源以應(yīng)對(duì)洗錢篩查。大型金融機(jī)構(gòu)甚至需配備上百名專職反洗錢人員。近年來隨著交易的激增，反洗錢領(lǐng)域的資源分配越來越多已經(jīng)嚴(yán)重失衡，導(dǎo)致成本逐年升高。如何降低成本合理分配有限資源投入到高風(fēng)險(xiǎn)領(lǐng)域，降低無效預(yù)警對(duì)于反洗錢資源的占用是反洗錢領(lǐng)域提產(chǎn)增效的關(guān)鍵。（三）誤報(bào)導(dǎo)致合規(guī)風(fēng)險(xiǎn)增加反洗錢是金融機(jī)構(gòu)必須承擔(dān)的義務(wù)和職責(zé)。如果違反相關(guān)法律法規(guī)，不僅個(gè)人需要承擔(dān)法律責(zé)任，它還會(huì)侵蝕全球市場(chǎng)的信心，并可能破壞公司的品牌和聲譽(yù)。由于反洗錢的缺失，被監(jiān)管處罰的案例屢見不鮮。例如：證券及期貨事務(wù)監(jiān)察委員會(huì)（SFC）經(jīng)調(diào)查發(fā)現(xiàn)，在2010年8越1日至2011年4月30日期間，某大型中國(guó)券商香港公司沒有制定反洗錢控制程序，也沒有主動(dòng)識(shí)別和及時(shí)上報(bào)可疑交易，被香港資本市場(chǎng)監(jiān)管機(jī)構(gòu)處以600萬港元的罰款。新加坡金融管理局（MAS）宣布，過去3年來，由于對(duì)洗錢的控制不力，MAS已經(jīng)對(duì)22家金融機(jī)構(gòu)進(jìn)行了經(jīng)濟(jì)處罰，并限制了7家金融機(jī)構(gòu)的運(yùn)營(yíng)資格等等。目前洗錢的手法也不斷翻新，呈現(xiàn)隱蔽化、多樣化和復(fù)雜化。當(dāng)前案件上報(bào)率普遍低于5%，給反洗錢案件甄別造成了很大困難，增加了誤判的可能性。另外，金融監(jiān)管近年來密集發(fā)文，反洗錢處罰力度不斷加強(qiáng)，所以金融機(jī)構(gòu)不僅關(guān)注上報(bào)數(shù)量，也需要關(guān)注上報(bào)案件質(zhì)量。如何有效控制誤報(bào)，提供高價(jià)值的金融情報(bào)信息降低監(jiān)管合規(guī)風(fēng)險(xiǎn)是金融機(jī)構(gòu)必須完成的任務(wù)。人工智能在反洗錢領(lǐng)域的優(yōu)化措施（一）人工智能概述在我們討論人工智能在反洗錢領(lǐng)域的應(yīng)用之前，我們需先了解什么是人工智能，人工智能的英文叫ArtificialIntelligence（簡(jiǎn)稱AI），是一種新興的一流技術(shù)。目前對(duì)人工智能的定義并沒有統(tǒng)一的說法，大家眾說紛紜。但從中英文的名稱中我們就可以簡(jiǎn)單的理解為人工和智能兩部分，“人工”是指需具備人類的某些特征，“智能”強(qiáng)調(diào)的是高效率，其核心就是人工智能可以代替人們從事繁瑣的工作，讓工作變的更高效、更有價(jià)值。美國(guó)麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何用計(jì)算機(jī)更高效智能地去完成之前只有人類才能做的事情”。人工智能的發(fā)展已經(jīng)有60余年的歷史了，主要經(jīng)歷了三次飛躍。最早開始于圖靈測(cè)試。艾倫圖靈是英國(guó)著名的數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家。他一直專注于對(duì)機(jī)器智能的研究，1950年他進(jìn)行了首次圖靈實(shí)驗(yàn)，1952年圖靈又設(shè)計(jì)了一個(gè)簡(jiǎn)單的國(guó)際象棋程序，讓計(jì)算機(jī)與人下棋。由于當(dāng)時(shí)的技術(shù)條件有限，該程序未能戰(zhàn)勝象棋大師，但他啟發(fā)了后人無限的遐想并不斷的探討研究。隨著技術(shù)的不斷進(jìn)步，大家眾所周知，目前AlphaGo戰(zhàn)勝了多位圍棋大師榮登“寶座”。第二次飛躍是智能語(yǔ)音識(shí)別技術(shù)的誕生和發(fā)展，該技術(shù)徹底沖破了人類與計(jì)算機(jī)只能通過鍵盤和鼠標(biāo)才能交互的局限，大大提升了工作效率?，F(xiàn)在各種語(yǔ)音識(shí)別機(jī)器人已經(jīng)應(yīng)用到了各個(gè)場(chǎng)景。第三次飛躍也是目前我們正處于的發(fā)展階段，大數(shù)據(jù)+云計(jì)算+深度學(xué)習(xí)是人工智能的三大支柱，是目前人工智能浪潮的主流發(fā)展方向，這些技術(shù)取得了突飛猛進(jìn)的發(fā)展，為人工智能的發(fā)展提供了無限可能的技術(shù)基礎(chǔ)。接下來探討的人工智能在反洗錢領(lǐng)域的優(yōu)化措施，也是基于大數(shù)據(jù)+云計(jì)算+深度學(xué)習(xí)的綜合應(yīng)用的場(chǎng)景。（二）人工智能構(gòu)建可疑交易監(jiān)測(cè)體系客戶身份和可疑交易識(shí)別是反洗錢領(lǐng)域急需解決的問題，基于傳統(tǒng)規(guī)則模型的可疑交易篩查在預(yù)警準(zhǔn)確率上偏低，并且存在很多的漏報(bào)警現(xiàn)象。近年來人工智能、大數(shù)據(jù)等新興技術(shù)的發(fā)展，為解決這個(gè)問題提供了良好的技術(shù)基礎(chǔ)。因此人工智能構(gòu)建可疑交易監(jiān)測(cè)體系也就孕育而生。該智能監(jiān)測(cè)體系一方面可以在規(guī)則系統(tǒng)作出預(yù)警后，對(duì)可疑案件按照洗錢風(fēng)險(xiǎn)進(jìn)行排序，指導(dǎo)人工審核過程。另一方面，在規(guī)則系統(tǒng)報(bào)警的名單外，挖掘高風(fēng)險(xiǎn)隱案，降低金融機(jī)構(gòu)漏報(bào)風(fēng)險(xiǎn)。建立正反饋流程，將持續(xù)積累的上報(bào)數(shù)據(jù)自動(dòng)反饋給模型，進(jìn)行偏差修正并根據(jù)業(yè)務(wù)迭代更新。模型補(bǔ)召案件能有效探索新知，反哺規(guī)則系統(tǒng)。該智能監(jiān)測(cè)體系以報(bào)送案件質(zhì)量、數(shù)量、效率和整體風(fēng)險(xiǎn)控制為目標(biāo)，調(diào)整模型閾值、擬定相應(yīng)的審核策略，主要包括合并策略和審核策略。所謂合并策略就是指排序模型頭部TopN%設(shè)為重點(diǎn)排查案件，尾部抽查或簡(jiǎn)單排查，補(bǔ)召模型頭部TopN納入審核。審核策略是指尾部案件按客戶洗錢風(fēng)險(xiǎn)等級(jí)、按涉罪類型、按交易金額、隨機(jī)抽查。依靠人工智能技術(shù)，該流程在傳統(tǒng)規(guī)則基礎(chǔ)上增加了案件排序模型、隱案挖掘模型和疑點(diǎn)分析模塊、模型自學(xué)習(xí)模塊。其監(jiān)測(cè)流程圖如下：圖1-反洗錢智能可疑交易監(jiān)測(cè)流程圖1.案件排序模型案件排序模型作為規(guī)則系統(tǒng)的評(píng)分卡，在預(yù)警前的最后一個(gè)環(huán)節(jié)使用，提升預(yù)警準(zhǔn)確率。對(duì)規(guī)則系統(tǒng)預(yù)警出的案件按照洗錢風(fēng)險(xiǎn)程度進(jìn)行排序，頭部案件風(fēng)險(xiǎn)集中，準(zhǔn)確率高。尾部案件風(fēng)險(xiǎn)低，多為誤報(bào)。根據(jù)排序名單實(shí)現(xiàn)審核資源最優(yōu)分配。高分案件風(fēng)險(xiǎn)集中，可抽派足量反洗錢人力優(yōu)先審核，實(shí)現(xiàn)風(fēng)險(xiǎn)快速識(shí)別、及時(shí)控制。低分案件風(fēng)險(xiǎn)密度低，絕大多數(shù)為誤報(bào)案件，可采取簡(jiǎn)化審核方式，實(shí)現(xiàn)資源最優(yōu)分配。案件排序模型實(shí)施前后效果對(duì)比圖如下：圖2-案件排序模型效果圖2.隱案挖掘模型在反洗錢領(lǐng)域隱案挖掘是難點(diǎn)之一，人工智能技術(shù)利用強(qiáng)大的運(yùn)算能力，可以從海量交易中準(zhǔn)確抓取規(guī)則系統(tǒng)報(bào)警以外的可疑案件，協(xié)助發(fā)現(xiàn)隱案、漏案和新型作案手法，案件覆蓋率、審核上報(bào)量。該模型可以識(shí)別規(guī)則系統(tǒng)檢測(cè)范圍外的高風(fēng)險(xiǎn)案件，擴(kuò)大覆蓋面。使風(fēng)險(xiǎn)防控措施變得更加嚴(yán)密，實(shí)現(xiàn)更加有效的風(fēng)險(xiǎn)識(shí)別能力。另外，審核效率和隱案準(zhǔn)確率都可以顯著提高，經(jīng)驗(yàn)證相比規(guī)則提升200%以上。該模型從四方面挖掘隱案：利用高維機(jī)器學(xué)習(xí)擁有精細(xì)化的區(qū)分能力，可以快速抓取規(guī)則閾值之外的長(zhǎng)尾可疑案件；從人工補(bǔ)錄案件中進(jìn)行分析，機(jī)器學(xué)習(xí)其中模式，包括自查發(fā)現(xiàn)/舉報(bào)/以案倒查得到的各類案件；基于社群關(guān)系、工商關(guān)系、交易關(guān)系和團(tuán)伙，順藤摸瓜找出更多的洗錢主體；隨著金融業(yè)務(wù)發(fā)展，洗錢手法不斷翻新。例如無卡存取款、二維碼支付、聚合支付等都可能成為洗錢工具，人工智能借助大數(shù)據(jù)模型學(xué)習(xí)，對(duì)這種新型洗錢手法進(jìn)行精確打擊。傳統(tǒng)模型或?qū)＜乙?guī)則特征（變量）較少，計(jì)算復(fù)雜度較低，規(guī)則數(shù)量在100-1000左右。但人工智能反洗錢模型使用復(fù)雜邏輯進(jìn)行特征加工，衍生出超過6000項(xiàng)特征，深度挖掘后得到超過10萬特征維度，最高可支持萬億級(jí)別特征計(jì)算，通過構(gòu)建更多特征來尋找細(xì)微規(guī)律，顯著提升了模型的區(qū)分能力。3.疑點(diǎn)分析模塊疑點(diǎn)分析模塊負(fù)責(zé)掃描每一筆可以案件，給出風(fēng)險(xiǎn)提示和輔助人工審核。智能學(xué)習(xí)交易行為異常、賬戶異常、設(shè)備/地址異常、高風(fēng)險(xiǎn)渠道和關(guān)聯(lián)黑名單等客戶行為，異常交易分析報(bào)告如下：圖3-異常交易分析報(bào)告分析疑點(diǎn)并輸出以下指標(biāo)：案宗可疑度打分：0-100（不可疑-非?？梢桑?；可疑點(diǎn)提示（涵蓋五項(xiàng)大類、27項(xiàng)小類、交易行為異常-夜間交易頻繁）；風(fēng)險(xiǎn)佐證指標(biāo)（涵蓋上百項(xiàng)風(fēng)險(xiǎn)指標(biāo))；指標(biāo)的洗錢風(fēng)險(xiǎn)相關(guān)性/重要性權(quán)重。4.模型自學(xué)習(xí)模塊模型自學(xué)習(xí)模塊建立了不斷收集反饋數(shù)據(jù)的閉環(huán)系統(tǒng)，在模型上線之后通過手工補(bǔ)錄案件、外部監(jiān)管變化、內(nèi)部規(guī)則調(diào)整、新增上報(bào)案件等業(yè)務(wù)反饋數(shù)據(jù)，動(dòng)態(tài)學(xué)習(xí)和迭代優(yōu)化。配合高維機(jī)器學(xué)習(xí)擁有的高VC維（信息表達(dá)的上限），使得模型在自學(xué)習(xí)的過程中獲得更好的業(yè)務(wù)效果，達(dá)到快速適應(yīng)業(yè)務(wù)變化的目的。智能自學(xué)習(xí)可以利用大數(shù)據(jù)將多個(gè)渠道的客戶信息匯總到同一系統(tǒng)，人工智能可以根據(jù)大量數(shù)據(jù)信息分析客戶的過往交易行為建立智能學(xué)習(xí)模型。該分析方法著眼于從各種數(shù)據(jù)中找出內(nèi)部和邏輯關(guān)聯(lián)關(guān)系，并歸納總結(jié)出某一特征。自學(xué)習(xí)采納的算法是邏輯回歸（LogisticRegression），金融機(jī)構(gòu)交易數(shù)據(jù)大多是名義變量，基于數(shù)量計(jì)算的方法并不適合。而邏輯回歸具備良好的解釋性，通過概率計(jì)算可以計(jì)算出變量的影響因子。在業(yè)務(wù)部門采集的數(shù)據(jù)中，可以考慮對(duì)關(guān)鍵變量分析影響因子。傳統(tǒng)的專家規(guī)則需要人工總結(jié)規(guī)律，調(diào)整和制定閾值。機(jī)器自學(xué)習(xí)可以基于歷史樣本和業(yè)務(wù)反饋，一次建模覆蓋多種類型，自動(dòng)學(xué)習(xí)修改錯(cuò)誤和迭代更新模型。（三）反洗錢資源分配策略建議合理分配有限資源投入到高風(fēng)險(xiǎn)領(lǐng)域，降低無效預(yù)警對(duì)于反洗錢資源的占用從而降低成本是反洗錢領(lǐng)域提產(chǎn)增效的關(guān)鍵。資源分配策略管理模塊分為合并策略和審核策略兩大規(guī)則，分別負(fù)責(zé)不同來源預(yù)警案件的合并規(guī)則，和相關(guān)的審核策略。并自動(dòng)確定可疑交易監(jiān)測(cè)方案的整體準(zhǔn)確率（上報(bào)率）、召回率（擴(kuò)招回隱案數(shù)量）和人力配備情況。資源分配策略圖如下：圖4-資源分配策略圖以下列某金融機(jī)構(gòu)實(shí)施案例為例，方案實(shí)施前基線上報(bào)率：2%，年審核量60萬，年上報(bào)量12000筆，全行審核人員100名。方案實(shí)施后上報(bào)率：6.4%，年審核量25.15萬，年上報(bào)量16080筆，全行審核人員42名。該方案不僅大幅提升了該機(jī)構(gòu)的上報(bào)率和筆數(shù)，而且為該機(jī)構(gòu)節(jié)省了58名審核人員，每年節(jié)約數(shù)千萬元的人力成本。圖5-資源分配案例分析圖人工智能助力合規(guī)模型優(yōu)化人工智能助力合規(guī)模型優(yōu)化，有效控制誤報(bào)，提供高價(jià)值的金融情報(bào)信息降低監(jiān)管合規(guī)風(fēng)險(xiǎn)是金融機(jī)構(gòu)必須完成的任務(wù)。在不遺漏規(guī)則系統(tǒng)預(yù)警的重大風(fēng)險(xiǎn)之外，額外挖掘規(guī)則漏報(bào)警的高風(fēng)險(xiǎn)案件，強(qiáng)化“風(fēng)險(xiǎn)為本”治理，規(guī)避不必要監(jiān)管處罰及合規(guī)風(fēng)險(xiǎn)。合規(guī)模型主要針對(duì)以下幾大方面：可疑案宗排序：降低無效報(bào)警，節(jié)約審核資源；隱案挖掘：排查隱患，控制風(fēng)險(xiǎn)；團(tuán)伙發(fā)現(xiàn)：由點(diǎn)及面，還原洗錢網(wǎng)絡(luò)；客戶洗錢風(fēng)險(xiǎn)：更精準(zhǔn)的客戶洗錢風(fēng)險(xiǎn)等級(jí)劃分；異常交易模式發(fā)現(xiàn)：聚類發(fā)現(xiàn)異常交易和團(tuán)伙行為；內(nèi)部信息泄漏檢測(cè)：及時(shí)預(yù)警內(nèi)部人員違規(guī)查詢事件；內(nèi)外勾結(jié)檢測(cè)：檢測(cè)借貸場(chǎng)景中內(nèi)外勾結(jié)異常資金鏈。該模型利用工商知識(shí)圖譜對(duì)非自然人客戶進(jìn)行受益人識(shí)別，包括大股東、高管、實(shí)際控制人和企業(yè)關(guān)聯(lián)人等。客戶接觸環(huán)節(jié)受益人自動(dòng)識(shí)別和風(fēng)險(xiǎn)排查，如非自然人客戶來網(wǎng)點(diǎn)辦理業(yè)務(wù)時(shí)，快速識(shí)別出其關(guān)聯(lián)企業(yè)和關(guān)聯(lián)人，自動(dòng)進(jìn)行反洗錢名單掃描，提示業(yè)務(wù)人員進(jìn)一步核查客戶身份。利用工商關(guān)系、交易關(guān)系、行為相似度和社交關(guān)系等拓?fù)潢P(guān)系網(wǎng)，納入知識(shí)圖譜信息，發(fā)現(xiàn)不同分群，識(shí)別客戶間關(guān)聯(lián)關(guān)系?；诳梢砂缸诘目蛻裘麊芜M(jìn)行擴(kuò)展的團(tuán)伙分析和可視化展示，輔助審核人員確定案宗可疑度和涉案規(guī)模。人工智能應(yīng)用的效用及前景展望人工智能應(yīng)用的效用人工智能在反洗錢領(lǐng)域的應(yīng)用發(fā)揮越來越重要的作用。針對(duì)上述主要問題，人工智能帶來了高效的身份驗(yàn)證和可疑交易監(jiān)控體系，提高準(zhǔn)確率和降低誤報(bào)率。能夠優(yōu)化審核環(huán)節(jié)，最終提高上報(bào)質(zhì)量。另一方面通過優(yōu)化審核策略和提高審核效率，金融機(jī)構(gòu)可以減少30%的人力成本，每年節(jié)省數(shù)千萬的費(fèi)用。在合規(guī)規(guī)則預(yù)警要求下，通過優(yōu)化反洗錢規(guī)則模型，深度挖掘高風(fēng)險(xiǎn)案件，規(guī)避不必要監(jiān)管處罰及合規(guī)風(fēng)險(xiǎn)。另外，這種新型洗錢行為模式，同時(shí)模型解釋和可疑點(diǎn)分析也能夠啟發(fā)專家規(guī)則不斷優(yōu)化和更新。不論是人工補(bǔ)錄、舉報(bào)還是由于規(guī)則調(diào)整或者新型案件所帶來的業(yè)務(wù)變化，均能夠被人工智能模型自動(dòng)捕捉，通過模型自學(xué)習(xí)的方式不斷修正偏差、迭代優(yōu)化。此外，人工智能在構(gòu)建行業(yè)生態(tài)和培養(yǎng)人才隊(duì)伍方面也發(fā)揮著重要作用。以銀行為例，建設(shè)開發(fā)銀行生態(tài)體系是大勢(shì)所趨。利用人工智能和大數(shù)據(jù)等數(shù)字化技術(shù)，實(shí)施全方位的數(shù)字化改造，構(gòu)建端對(duì)端的客戶旅程。以數(shù)字化手段對(duì)接客戶需求，提供在線、智能的產(chǎn)品和服務(wù)，以及行內(nèi)的業(yè)務(wù)流程。通過網(wǎng)絡(luò)化把客戶與銀行緊密聯(lián)系起來，逐步滿足客戶各種金融需求，不斷提升服務(wù)邊界，從集中到開發(fā)構(gòu)建良好的銀行生態(tài)體系。為了搶占金融科技高地，人才是必不可少的先決條件。通過人工智能等新興技術(shù)的實(shí)施，培養(yǎng)大批科技人才，推動(dòng)科技公司更深層次競(jìng)爭(zhēng)、合作和創(chuàng)新。不僅可以創(chuàng)造更大的社會(huì)效益，也有助于推動(dòng)我國(guó)科技進(jìn)步。最后，人工智能作為數(shù)字經(jīng)濟(jì)的主要抓手，已經(jīng)加速與各個(gè)領(lǐng)域深度融合。近年來，我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模快速增長(zhǎng)，2019年數(shù)據(jù)經(jīng)濟(jì)的總量已達(dá)35.8萬億元，占GDP比重高達(dá)36.2%，成為引領(lǐng)經(jīng)濟(jì)和社會(huì)發(fā)展的先導(dǎo)力量。以人工智能為主導(dǎo)的數(shù)據(jù)經(jīng)濟(jì)也是后疫情時(shí)代，推動(dòng)產(chǎn)業(yè)變革升級(jí)、促進(jìn)社會(huì)經(jīng)濟(jì)轉(zhuǎn)型、培養(yǎng)新競(jìng)爭(zhēng)優(yōu)勢(shì)和全球經(jīng)濟(jì)增長(zhǎng)的新杠桿。（二）人工智能應(yīng)用的前景展望第四次工業(yè)革命引領(lǐng)全球的數(shù)字化和智能化。20世紀(jì)90年代以來，數(shù)字和通訊技術(shù)的發(fā)展帶來以移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能為標(biāo)志的變革，顛覆了生產(chǎn)、商業(yè)的運(yùn)行方式以及人們的生活和思維方式。2017年7月國(guó)家出臺(tái)《新一代人工智能發(fā)展規(guī)劃》為人工智能發(fā)展提出戰(zhàn)略決策指引。2019年中國(guó)人民銀行印發(fā)《關(guān)于金融科技（FinTech）發(fā)展規(guī)劃（2019-2021年）的通知》，明確指出金融科技是技術(shù)驅(qū)動(dòng)的金融創(chuàng)新，科學(xué)規(guī)劃運(yùn)用大數(shù)據(jù)、合理布局云計(jì)算、穩(wěn)步應(yīng)用人工智能。人工智能、大數(shù)據(jù)、5G、云計(jì)算和物聯(lián)網(wǎng)等數(shù)字技術(shù)正在我們的工作和生活中快速融合，這些技術(shù)正在重塑我們的世界。未來將是萬物感知、萬物互聯(lián)、萬物智能的“智能