金融科技對反洗錢工作的影響及建議

■ 中國農(nóng)業(yè)銀行全球反洗錢中心 趙明杰 田雨鑫

習近平總書記在2020年9月科學家座談會上指出，當今世界正經(jīng)歷百年未有之大變局，我國“十四五”時期以及更長時期的發(fā)展對加快科技創(chuàng)新提出了更為迫切的要求。當前，大數(shù)據(jù)、云計算、人工智能等新興科技和產(chǎn)業(yè)革命蓬勃發(fā)展，深刻影響著社會生活,金融機構擁有大數(shù)據(jù)優(yōu)勢，與技術相融合，更能在金融科技領域快速發(fā)展。

一、金融科技在金融機構的運用現(xiàn)狀

金融科技已成為推動金融機構轉型升級的主要動力。大量金融機構積極尋求與前沿科技的結合點，力爭在第四次產(chǎn)業(yè)浪潮中立于不敗之地。中、農(nóng)、工、建、招商、中信等大中型銀行紛紛與百度、阿里、騰訊等互聯(lián)網(wǎng)巨頭簽署協(xié)議，在金融科技、數(shù)字銀行建設等領域開展深入合作。與此同時，多家商業(yè)銀行通過成立金融科技子公司的方式進行金融科技轉型和戰(zhàn)略布局，在前臺、中臺、后臺全方位為銀行運營提供戰(zhàn)略規(guī)劃和科技支持，金融科技時代已經(jīng)到來。

（一）人工智能向核心業(yè)務滲透

近年來，國內(nèi)外較早進行人工智能嘗試的金融機構，已將其應用于整個業(yè)務體系。從外圍的智能大堂經(jīng)理、智能客服、電話智能導航等客戶服務領域，到柜面人臉識別、ATM刷臉取款等業(yè)務交易場景，逐漸滲透至產(chǎn)品研發(fā)、場景營銷、客戶管理、風險管控等核心業(yè)務流程。中國工商銀行在2017年成立了包括人工智能在內(nèi)的七大創(chuàng)新實驗室，2018年建立了人工智能平臺。澳大利亞證券及投資委員會（ASIC）、新加坡貨幣當局（MAS）、美國證券交易委員會等多家機構已將AI引入風險管理。

（二）區(qū)塊鏈技術升級業(yè)務模式

區(qū)塊鏈由于其去中心化、不可篡改等特性，目前較多應用在貿(mào)易融資、聯(lián)合貸款、供應鏈金融等領域。如區(qū)塊鏈在貿(mào)易融資的應用，若企業(yè)與多家金融機構開展貿(mào)易融資業(yè)務，由于信息不對稱，單一金融機構可能面臨貸款風險，引入?yún)^(qū)塊鏈后，其具備的不可篡改、時間戳等特征，保證了信息的安全可信，提高了金融機構貸款審理效率。同時，區(qū)塊鏈可連接多家銀行和企業(yè)，形成信息共享機制，使各方共同受益。

（三）云服務平臺延伸服務能力

云服務在新型共享、服務延伸、一鍵部署和升級等方面的諸多天然優(yōu)勢，能有效加強金融機構發(fā)現(xiàn)并解決問題的能力。金融機構主要通過將重要的、敏感的數(shù)據(jù)接入到云計算存儲服務器，保證數(shù)據(jù)的安全性、業(yè)務連續(xù)性及授權后的共享性和可使用性。世界各國的金融機構紛紛進行云上部署，如匯豐銀行（HSBC）構建了無服務器架構的消息平臺，保證自有數(shù)據(jù)中心和云環(huán)境之間的安全。未來將會有更多的云上技術適用于金融服務，包括可預測的借貸服務、基于機器學習的欺詐檢測和區(qū)塊鏈等。

（四）大數(shù)據(jù)助力識別風險

隨著互聯(lián)網(wǎng)的不斷發(fā)展，金融行業(yè)積累了海量有效數(shù)據(jù)，目前大數(shù)據(jù)應用從最底層的大數(shù)據(jù)基礎建設開始，形成龐大的數(shù)據(jù)集市，在此基礎上進行上層的數(shù)據(jù)倉庫、用戶畫像、信貸風控等應用建設。如在信用風險識別方面，結合大數(shù)據(jù)分析挖掘方法，對工商數(shù)據(jù)、司法數(shù)據(jù)等建模，對客戶貸款風險進行評估，預判風險程度，提升金融機構風險管理效率。另一方面，對于欺詐風險的識別也能發(fā)揮重大作用。通過大數(shù)據(jù)整合分析，對客戶基本信息、歷史交易信息等大量數(shù)據(jù)進行整合，并在客戶交易時進行實時分析和判斷，通過與歷史交易行為的比對，得出風險結論。

二、對金融機構反洗錢工作的影響

大數(shù)據(jù)、人工智能等技術的快速發(fā)展，給反洗錢工作帶來了深遠影響，體現(xiàn)在生物識別、機器學習、區(qū)塊鏈應用等多方面。

（一）生物識別拓寬身份識別途徑

當前，生物識別技術應用較為成熟，指紋識別一枝獨秀的局面已不復存在，多種識別技術應用已經(jīng)共存。統(tǒng)計數(shù)據(jù)顯示，2002-2017年的十五年間，中國生物識別技術行業(yè)市場規(guī)模從不到1億元大幅增長至142.3億元。生物識別隨著技術的發(fā)展，錯誤率已降至極低，提高了技術的可用性。同時，由于人體生物特征普遍具有唯一性、穩(wěn)定性、可采集性等特征，對于需要身份識別和身份認證的領域尤其適用?？蛻羯矸葑R別作為金融機構反洗錢義務和基礎工作，是監(jiān)管重點，也是歷年來反洗錢監(jiān)管處罰金額比重最大的領域。人臉識別在反洗錢身份識別的應用已屢見不鮮，農(nóng)行已于2017年實現(xiàn)了刷臉取款業(yè)務，并研發(fā)信用卡“北斗星”平臺，聚合人臉識別、OCR、手機電子簽名、REDIS定制等多項金融科技。

除人臉識別外，聲紋識別（Voiceprint Recognize）通過聲音判斷說話人身份，由于采集方便和安全性高，是一種便捷安全的身份識別方式。目前應用較為廣泛的聲紋識別技術有兩類，即說話人辨認和說話人確認。隨著人民銀行出臺《移動金融基于聲紋識別的安全應用技術規(guī)范》，金融機構可將聲紋識別技術應用于反洗錢客戶身份識別，通過對交易人聲音的識別來判斷是否為客戶本人，代替以往多種手段的信息核實過程，不僅簡化了核實流程，且更為準確可靠，對于冒用身份和同一人辦理業(yè)務等異常情況均能有效識別，將在反洗錢身份識別方面發(fā)揮重要作用。人臉識別、聲紋識別等技術可應用于掌銀、自動柜員機、移動辦公終端等場景進行客戶身份識別，同時可在交易過程中引入大數(shù)據(jù)技術，根據(jù)大數(shù)據(jù)計算結果，提示人工或調(diào)用各類身份核查手段，實時管控洗錢風險。

（二）機器學習監(jiān)測洗錢風險

機器學習（Machine Learning）是人工智能的核心，是使計算機具有智能的根本途徑。大數(shù)據(jù)背景下機器學習模型很多，主要分為監(jiān)督學習、無監(jiān)督學習、強化學習三類。即機器學習就是使用數(shù)據(jù)進行自學，正是大數(shù)據(jù)的蓬勃發(fā)展為機器學習帶來契機，相輔相成，互相促進。

機器學習在金融機構眾多領域可發(fā)揮重要作用，如精準營銷、大客戶流失預測等模型，在反洗錢應用領域，國內(nèi)外金融機構已經(jīng)開始進行探索。在反洗錢監(jiān)測方面，運用無監(jiān)督機器學習，對客戶行為特征進行監(jiān)測，并按照類別分組，為每一組設置交易閾值，一旦超出將產(chǎn)生反洗錢可疑交易預警。另一個重要的應用方向是，對歷史反洗錢可疑預警排除或上報報告的案例深入學習，在海量數(shù)據(jù)學習的基礎上，預測將來可能發(fā)生的新的可疑交易，運用機器學習來監(jiān)測洗錢風險。

（三）區(qū)塊鏈技術實現(xiàn)反洗錢信息共享

目前反洗錢工作中存在著客戶身份識別重復性工作量大、金融機構間信息無法共享的問題。區(qū)塊鏈技術本身具有的去中心化、不可篡改和偽造等特點，對于商業(yè)銀行反洗錢管理工作應用具有可行性和創(chuàng)新性。區(qū)塊鏈統(tǒng)一的賬本系統(tǒng)可以確保信息的加密性、不公開、不可篡改，充分滿足反洗錢工作對數(shù)據(jù)保密性的要求，同時又創(chuàng)造了數(shù)據(jù)安全共享的條件，可滿足不同層面的信息共享需求。在集團層面，可建立企業(yè)級客戶盡職調(diào)查（KYC）信息共享機制，上傳客戶基本信息，大大提高盡職調(diào)查工作的效率和準確性。在機構層面，通過各金融機構共享客戶及交易信息，形成客戶交易完整資金鏈條，解決單一金融機構進行可疑交易監(jiān)測分析時，客戶跨行交易資金鏈斷裂等痛點問題，提高金融機構反洗錢工作的有效性。

三、反洗錢工作建議

習近平總書記指出“我國經(jīng)濟社會發(fā)展和民生改善比過去任何時候都更加需要科學技術解決方案，都更加需要增強創(chuàng)新這個第一動力，要堅持面向世界科技前沿、面向經(jīng)濟主戰(zhàn)場，不斷向科學技術廣度和深度進軍?！币恢币詠恚h中央、國務院高度重視反洗錢工作，將反洗錢工作作為推進國家治理體系和治理能力現(xiàn)代化、維護經(jīng)濟社會安全穩(wěn)定的重要保障。反洗錢工作領域要更加積極推動探索科技創(chuàng)新，提前謀劃占據(jù)未來反洗錢金融科技高地，不僅是落實總書記重要講話精神的要求，也是反洗錢工作發(fā)展的現(xiàn)實需要和內(nèi)生動力。

“十四五”時期及未來更長的時期，建議制定反洗錢工作與金融科技相融合的發(fā)展戰(zhàn)略，充分運用大數(shù)據(jù)、人工智能等技術優(yōu)化反洗錢工作流程和資源配置，深化反洗錢合規(guī)管理實踐，使金融科技成為防范化解金融機構洗錢風險的有力武器，助力反洗錢管理工作水平邁上全球一流的新階段。

（一）運用人工智能更有效地開展客戶盡職調(diào)查

一是運用人工智能開展客戶身份識別，除了目前運用的人臉識別外，虹膜、聲紋等生物識別手段，將使特征更具有唯一性，較人臉識別將更為精準。二是運用大數(shù)據(jù)統(tǒng)籌整合多個系統(tǒng)數(shù)據(jù)，完善數(shù)據(jù)結構。建議反洗錢系統(tǒng)與人行征信系統(tǒng)、外匯管理局交易系統(tǒng)，以及海關、稅務、司法、工商、社保等部門系統(tǒng)，甚至第三方支付交易系統(tǒng)相整合，形成上下聯(lián)動、部門聯(lián)動、跨界聯(lián)動的機制，突出大數(shù)據(jù)優(yōu)勢地位，充分用好數(shù)據(jù)，建立強有力的數(shù)據(jù)監(jiān)測新格局。三是運用大數(shù)據(jù)技術，廣泛采集客戶信息，形成客戶精準畫像。相較于傳統(tǒng)客戶身份識別模式，大數(shù)據(jù)時代能夠更廣泛地收集客戶在網(wǎng)絡媒體、社交網(wǎng)絡的信息，如搜索引擎上是否存在負面新聞、客戶的社交網(wǎng)絡聯(lián)系人及活躍領域等，可對客戶信息把握更為完整和立體，同時也為監(jiān)測分析工作提供良好支撐。這些信息收集提取的工作都可以通過大數(shù)據(jù)技術、人工智能領域的自然語言處理（NLP）來實現(xiàn)，尤其是知識圖譜（Knowledge Graph）分析等技術的飛速發(fā)展，使得采集結構化數(shù)據(jù)、非結構化數(shù)據(jù)、多語種數(shù)據(jù)成為可能，不僅釋放了人力成本，更拓寬了信息范圍，生成更為完整、立體的客戶盡職調(diào)查報告。

（二）建立智能反洗錢監(jiān)測模型

運用大數(shù)據(jù)、云計算、人工智能、物聯(lián)網(wǎng)等信息技術進行可疑交易監(jiān)測分析工作。通過數(shù)據(jù)分析挖掘技術，實時監(jiān)測資金流、信息流和物流，建立相應的模型，運用人工智能的方式，進行機器學習。同時不斷優(yōu)化模型和算法，使模型自動運行且更為精準，對非法集資、涉稅犯罪等異常交易系統(tǒng)自動提示預警。根據(jù)模型特征指標的重要性，篩選出風險程度較高的指標，給予較大權重或生成風險特征自動預警，為監(jiān)測分析人員提供支持。同時基于機器學習技術，模型將按照輸出反饋不斷進行迭代優(yōu)化，從而使反洗錢監(jiān)測體系在知識積累的基礎上持續(xù)升級。

（三）打造智能反洗錢處理系統(tǒng)

在機器學習完善預警模型、提示異常線索的基礎上，探索建立反洗錢智能處理系統(tǒng)。對于模型提示的可疑預警，由系統(tǒng)運用機器學習，從大量歷史可疑交易的排除和上報案例中進行學習，將學習的信息應用于可疑交易分析，生成分析判斷的結論，節(jié)省人工分析成本，提高工作效率。人工可于涉罪類型研判的階段介入，對系統(tǒng)自動處理的結果進行審核確定。待相應技術成熟之后，可進一步優(yōu)化系統(tǒng)功能，由系統(tǒng)自動報送可疑交易報告。通過由人工智能進行大量重復性的工作，使人力得以解放，去從事更需要創(chuàng)造性和人類智慧的復雜洗錢案例的分析研判工作，進一步優(yōu)化金融機構的資源配置，真正實現(xiàn)反洗錢工作的有效性。另一方面，通過機器學習預測新的可疑交易，對機構、區(qū)域洗錢風險進行預判，對可能產(chǎn)生洗錢風險的客戶進行提前預警，將反洗錢工作從“事后”挪到“事前”，真正從源頭上遏制洗錢風險。

（四）推動制裁名單篩查智能化發(fā)展

隨著國際制裁形勢的日益嚴峻，當今各金融機構均建立了制裁名單篩查體系，通常是在主要業(yè)務系統(tǒng)中嵌入名單篩查引擎，在客戶準入和交易環(huán)節(jié)進行篩查。系統(tǒng)篩查可以在業(yè)務辦理過程中實時進行，但同時存在比較大的漏洞，即不需要錄入系統(tǒng)的要素篩查不到，如國際貿(mào)易單據(jù)上的港口、船只等信息。目前，大多數(shù)金融機構采取的是人工篩查的方式，即將要素錄入名單篩查系統(tǒng)。人工篩查的方式不僅耗費人力成本，且由于錄錯等原因造成的失誤難以避免。將人工智能應用于掃描文檔，提取港口、通知人、原產(chǎn)地等信息自動進行篩查，不僅能提高效率，還能減少失誤，可大大提高制裁名單篩查效能。同時，人工智能對于相關單據(jù)要素的分析，將有助于識別貿(mào)易洗錢風險，為反洗錢和制裁合規(guī)管理提供有力幫助。