跨入数字经济新时代,金融科技日新月异,在反洗钱和反恐怖融资领域中的赋能效应日益凸显。金融科技凭借其数据驱动、智能合约、智能风控、共识机制等独特技术优势,直击反洗钱的痛点与堵点,赋能反洗钱监测监管的数字化、智能化转型升级,从而使反洗钱更具高效性与精准性、更具威慑力量。因此,秉持反洗钱科学理念,顺应时代潮流与金融科技演进趋势,推进金融科技与反洗钱深度融合,使反洗钱植入更多的科技基因与元素,为反洗钱监测监管擦亮智能之眼、插上科技之翼,全力打造信息动态感知、数据精准分析、业务智能支撑的反洗钱数字化新格局,已然成为金融机构反洗钱改革创新的未来方向。

全面提升客户身份识别的精准度

充分运用生物识别技术,基于人脸、虹膜、指纹等具有唯一性、稳定性、不易窃取和难以复制等特点的生物信息,与身份核实确认同步,为资金交易打上发起者唯一身份标记。嵌入安全多方计算、区块链等信息技术,健全安全与便捷的身份认证体系,实现客户身份识别信息分布式存储和认证共享,强化金融交易报文规范管理。运用大数据技术拓展客户信息至多维空间,对互联网、交通出行、社交信息等多维度数据进行收集,精确刻画主体“画像”,描绘客户全息图景。运用知识图谱整合、比对、深度分析客户不同来源数据,挖掘客户关联关系,穿透识别企业客户的实际控制人和受益所有人。

构建基于全流程的资金监测体系

在当前工作模式下,底层数据不足,非结构化数据因数据格式、储存方式等技术限制,大量有价值的数据被忽略和埋没,严重影响反洗钱监测水平。运用大数据技术多渠道采集海量客户信息,打破内外部信息壁垒,串联多方系统,通过数理统计、规则组合、聚类分析、模型算法等技术对海量数据包括非格式化数据开展多维、高频、全动态实时分析。可利用API技术,建立基于客户群体特征、客户行为、成熟规则、交易特征的智能化可疑交易分析系统,提高数据使用价值。运用数据挖掘、人工智能等新技术对全息数据进行转换、挖掘、分类、预测,构建主体洗钱行为监测模型,预测主体洗钱行为活动周期。通过社区挖掘算法识别多种群体洗钱行为模式,将反洗钱主体“画像”用于宏观洗钱风险分布、洗钱风险趋势分析和可疑主体排名。

建立可疑交易监测模型优化机制

在全面自定义可疑交易监测标准的阶段,金融机构具体监测标准通常参考有关监管文件、风险提示、案件经验等,在精细定位疑点、匹配业务特征、差异化方面效果较差,存在误报漏报风险,需要耗费大量人工开展甄别分析。运用人工智能、机器学习等对新型洗钱手法下的异常交易行为进行归纳总结,在原有的可疑交易模型基础上加入诸如个人消费习惯、个人行踪等监控模型特征,丰富可疑交易监测字段范围,弥补传统监测模式的局限性,加快可疑交易监测模型更新速度,大幅提升可疑交易模型监测精准度。

探索开发数据主动采集平台

通过平台实时主动提取数据,改变以往被动接收方式,借助机器学习、人工智能模型等技术快速掌握机构内控制度、组织架构、产品业务、客户信息,并从中快速识别洗钱风险管理的漏洞,加强数据资源的成果转化效率,实现精准监管、及时监管。同时针对高风险领域主动发起预警,实现反洗钱资源向高风险领域的倾斜。

智能化跟踪与分析

在反洗钱监管收紧态势下,反洗钱监管法规频繁出台且日益细化,传统人工模式难以及时跟踪国内外监管规则的变化,对理解监管当局政策意图存在困难。运用人工智能、机器学习等创新技术自动识别、归纳国内外反洗钱监管新规,比对文件异同,生成跟踪报告,对监管规则进行转译,实现监管规则的数字化存储与展现,并将其封装于监管API等工具,实现机器可读、可执行、可对接,提高跟踪和分析监管规则变化的效率,将复杂的监管法规转换为数字化的合规规则并以数字方式加以管理。

推进信息共享

区块链是共识机制、点对点传输、分布式数据存储等计算机技术在互联网时代的创新应用模式。通俗地讲,区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构,并利用密码学方式保证数据传输和访问安全,进而可有效规避数据信息伪造、篡改风险的分布式账本。去中心化、开放性、溯源性和不可篡改是区块链与生俱来的典型特征与独特优势,因而使它拥有颠覆金融基础服务模式的蓬勃力量。基于区块链技术的数据共享,可重塑数据治理机制,彻底打破参与机构间的数据孤岛与信息壁垒,形成完整的数据链,在统筹兼顾信息安全、隐私保护的前提下实现数据互通,深度挖掘和释放数据价值。

在区块链技术应用方面,未来可重点建立私有链与联盟链。一方面在金融机构内部,以每一客户作为独立节点构建私有链(专有链)。另一方面,在各金融机构、监管机构之间打造联盟链。银行、证券、保险等各类金融机构,以及央行、证监会、银保监会等监管机构均应纳入联盟链成员范畴。联盟链网络分别由金融机构、监管机构两个独立的区块链大节点和其内部的私有链网络共同组成。

联盟链相较于公有链,在隐私保护、可编程、高性能、高可用等诸多方面更具优势,金融机构采集、认证的交易信息、客户身份信息在金融机构内部私有链认证通过之后,再通过联盟链广播、存储到所有机构节点的本地账本中,从而实现数据信息的互联共享。另外,私有链与联盟链的融合对接还可采用跨链技术,实现私有链到联盟链的区块链账本间数据同步,将私有链上标准化的客户信息通过接口传输至联盟链,从而融入到联盟链的共识网络中。

深度融合的混合引擎结构模式

随着金融科技的迭代创新,基于机器学习的模型引擎(智能引擎)已然成为反洗钱监测评估和甄别的主流方向,并显示出传统规则引擎无法企及的监测效率与有效性水平,但这并不意味着规则引擎完全丧失应用价值而行将淘汰,诸如时间序列算法、离群点检测等一些优良分析方法依然将会与模型引擎一起持续发挥重要作用。根据模型引擎与规则引擎的不同组合架构,反洗钱系统设计中可采用串行引擎、并行引擎、混合引擎三种结构方式,并将呈现依次递进演进趋势。

1.串行引擎。首先借助规则引擎对内部数据信息进行监测、筛查,然后根据规则引擎报警结果作为模型引擎的输入,并依托模型引擎对规则引擎输出信息实施风险分类。在串行引擎结构模式下,模型引擎仅仅起到辅助作用,而基于传统策略方法的规则引擎则居于主导地位,尤其是量化指标体系、基础算法、监测规则依然发挥关键作用。串行引擎是最易实现的一种引擎结构,无须对包括数据映射关系、算法、规则在内的底层结构进行调整,因而也是各金融机构在引入智能模型引擎初期探索阶段的首选。

2.并行引擎。简而言之就是同时使用模型引擎、规则引擎,对客户身份信息和交易数据进行扫描与监控。并行引擎的优势:一是模型引擎与规则引擎的协同联动作用得以充分发挥,风险管理措施愈加严密,金融机构反洗钱风险监测识别能力得到显著提升;二是可以根据监管环境变化、风险环境变化、自身的新技术应用能力等因素,灵活调整设定模型引擎、规则引擎的决策权重。可见,并行引擎相较于串行引擎是一种显著的进化升级。

3.混合引擎。一个较完善的反洗钱监测系统最终将采用模型引擎与规则引擎深度融合的混合引擎结构模式,大幅弱化规则引擎功能,更多倚重监督学习、无监督学习技术最大限度模拟人工判断,并在核心引擎外基于流程逻辑构建更加丰富的智能模块,通过充分挖掘内部数据和外部信息价值突破系统能力瓶颈,使反洗钱系统有效性显著跃升,从而实现反洗钱监测监管的数字化转型。