金融科技对反洗钱工作的影响及建议

■ 中国农业银行全球反洗钱中心 赵明杰 田雨鑫

习近平总书记在2020年9月科学家座谈会上指出，当今世界正经历百年未有之大变局，我国“十四五”时期以及更长时期的发展对加快科技创新提出了更为迫切的要求。当前，大数据、云计算、人工智能等新兴科技和产业革命蓬勃发展，深刻影响着社会生活,金融机构拥有大数据优势，与技术相融合，更能在金融科技领域快速发展。

一、金融科技在金融机构的运用现状

金融科技已成为推动金融机构转型升级的主要动力。大量金融机构积极寻求与前沿科技的结合点，力争在第四次产业浪潮中立于不败之地。中、农、工、建、招商、中信等大中型银行纷纷与百度、阿里、腾讯等互联网巨头签署协议，在金融科技、数字银行建设等领域开展深入合作。与此同时，多家商业银行通过成立金融科技子公司的方式进行金融科技转型和战略布局，在前台、中台、后台全方位为银行运营提供战略规划和科技支持，金融科技时代已经到来。

（一）人工智能向核心业务渗透

近年来，国内外较早进行人工智能尝试的金融机构，已将其应用于整个业务体系。从外围的智能大堂经理、智能客服、电话智能导航等客户服务领域，到柜面人脸识别、ATM刷脸取款等业务交易场景，逐渐渗透至产品研发、场景营销、客户管理、风险管控等核心业务流程。中国工商银行在2017年成立了包括人工智能在内的七大创新实验室，2018年建立了人工智能平台。澳大利亚证券及投资委员会（ASIC）、新加坡货币当局（MAS）、美国证券交易委员会等多家机构已将AI引入风险管理。

（二）区块链技术升级业务模式

区块链由于其去中心化、不可篡改等特性，目前较多应用在贸易融资、联合贷款、供应链金融等领域。如区块链在贸易融资的应用，若企业与多家金融机构开展贸易融资业务，由于信息不对称，单一金融机构可能面临贷款风险，引入区块链后，其具备的不可篡改、时间戳等特征，保证了信息的安全可信，提高了金融机构贷款审理效率。同时，区块链可连接多家银行和企业，形成信息共享机制，使各方共同受益。

（三）云服务平台延伸服务能力

云服务在新型共享、服务延伸、一键部署和升级等方面的诸多天然优势，能有效加强金融机构发现并解决问题的能力。金融机构主要通过将重要的、敏感的数据接入到云计算存储服务器，保证数据的安全性、业务连续性及授权后的共享性和可使用性。世界各国的金融机构纷纷进行云上部署，如汇丰银行（HSBC）构建了无服务器架构的消息平台，保证自有数据中心和云环境之间的安全。未来将会有更多的云上技术适用于金融服务，包括可预测的借贷服务、基于机器学习的欺诈检测和区块链等。

（四）大数据助力识别风险

随着互联网的不断发展，金融行业积累了海量有效数据，目前大数据应用从最底层的大数据基础建设开始，形成庞大的数据集市，在此基础上进行上层的数据仓库、用户画像、信贷风控等应用建设。如在信用风险识别方面，结合大数据分析挖掘方法，对工商数据、司法数据等建模，对客户贷款风险进行评估，预判风险程度，提升金融机构风险管理效率。另一方面，对于欺诈风险的识别也能发挥重大作用。通过大数据整合分析，对客户基本信息、历史交易信息等大量数据进行整合，并在客户交易时进行实时分析和判断，通过与历史交易行为的比对，得出风险结论。

二、对金融机构反洗钱工作的影响

大数据、人工智能等技术的快速发展，给反洗钱工作带来了深远影响，体现在生物识别、机器学习、区块链应用等多方面。

（一）生物识别拓宽身份识别途径

当前，生物识别技术应用较为成熟，指纹识别一枝独秀的局面已不复存在，多种识别技术应用已经共存。统计数据显示，2002-2017年的十五年间，中国生物识别技术行业市场规模从不到1亿元大幅增长至142.3亿元。生物识别随着技术的发展，错误率已降至极低，提高了技术的可用性。同时，由于人体生物特征普遍具有唯一性、稳定性、可采集性等特征，对于需要身份识别和身份认证的领域尤其适用。客户身份识别作为金融机构反洗钱义务和基础工作，是监管重点，也是历年来反洗钱监管处罚金额比重最大的领域。人脸识别在反洗钱身份识别的应用已屡见不鲜，农行已于2017年实现了刷脸取款业务，并研发信用卡“北斗星”平台，聚合人脸识别、OCR、手机电子签名、REDIS定制等多项金融科技。

除人脸识别外，声纹识别（Voiceprint Recognize）通过声音判断说话人身份，由于采集方便和安全性高，是一种便捷安全的身份识别方式。目前应用较为广泛的声纹识别技术有两类，即说话人辨认和说话人确认。随着人民银行出台《移动金融基于声纹识别的安全应用技术规范》，金融机构可将声纹识别技术应用于反洗钱客户身份识别，通过对交易人声音的识别来判断是否为客户本人，代替以往多种手段的信息核实过程，不仅简化了核实流程，且更为准确可靠，对于冒用身份和同一人办理业务等异常情况均能有效识别，将在反洗钱身份识别方面发挥重要作用。人脸识别、声纹识别等技术可应用于掌银、自动柜员机、移动办公终端等场景进行客户身份识别，同时可在交易过程中引入大数据技术，根据大数据计算结果，提示人工或调用各类身份核查手段，实时管控洗钱风险。

（二）机器学习监测洗钱风险

机器学习（Machine Learning）是人工智能的核心，是使计算机具有智能的根本途径。大数据背景下机器学习模型很多，主要分为监督学习、无监督学习、强化学习三类。即机器学习就是使用数据进行自学，正是大数据的蓬勃发展为机器学习带来契机，相辅相成，互相促进。

机器学习在金融机构众多领域可发挥重要作用，如精准营销、大客户流失预测等模型，在反洗钱应用领域，国内外金融机构已经开始进行探索。在反洗钱监测方面，运用无监督机器学习，对客户行为特征进行监测，并按照类别分组，为每一组设置交易阈值，一旦超出将产生反洗钱可疑交易预警。另一个重要的应用方向是，对历史反洗钱可疑预警排除或上报报告的案例深入学习，在海量数据学习的基础上，预测将来可能发生的新的可疑交易，运用机器学习来监测洗钱风险。

（三）区块链技术实现反洗钱信息共享

目前反洗钱工作中存在着客户身份识别重复性工作量大、金融机构间信息无法共享的问题。区块链技术本身具有的去中心化、不可篡改和伪造等特点，对于商业银行反洗钱管理工作应用具有可行性和创新性。区块链统一的账本系统可以确保信息的加密性、不公开、不可篡改，充分满足反洗钱工作对数据保密性的要求，同时又创造了数据安全共享的条件，可满足不同层面的信息共享需求。在集团层面，可建立企业级客户尽职调查（KYC）信息共享机制，上传客户基本信息，大大提高尽职调查工作的效率和准确性。在机构层面，通过各金融机构共享客户及交易信息，形成客户交易完整资金链条，解决单一金融机构进行可疑交易监测分析时，客户跨行交易资金链断裂等痛点问题，提高金融机构反洗钱工作的有效性。

三、反洗钱工作建议

习近平总书记指出“我国经济社会发展和民生改善比过去任何时候都更加需要科学技术解决方案，都更加需要增强创新这个第一动力，要坚持面向世界科技前沿、面向经济主战场，不断向科学技术广度和深度进军。”一直以来，党中央、国务院高度重视反洗钱工作，将反洗钱工作作为推进国家治理体系和治理能力现代化、维护经济社会安全稳定的重要保障。反洗钱工作领域要更加积极推动探索科技创新，提前谋划占据未来反洗钱金融科技高地，不仅是落实总书记重要讲话精神的要求，也是反洗钱工作发展的现实需要和内生动力。

“十四五”时期及未来更长的时期，建议制定反洗钱工作与金融科技相融合的发展战略，充分运用大数据、人工智能等技术优化反洗钱工作流程和资源配置，深化反洗钱合规管理实践，使金融科技成为防范化解金融机构洗钱风险的有力武器，助力反洗钱管理工作水平迈上全球一流的新阶段。

（一）运用人工智能更有效地开展客户尽职调查

一是运用人工智能开展客户身份识别，除了目前运用的人脸识别外，虹膜、声纹等生物识别手段，将使特征更具有唯一性，较人脸识别将更为精准。二是运用大数据统筹整合多个系统数据，完善数据结构。建议反洗钱系统与人行征信系统、外汇管理局交易系统，以及海关、税务、司法、工商、社保等部门系统，甚至第三方支付交易系统相整合，形成上下联动、部门联动、跨界联动的机制，突出大数据优势地位，充分用好数据，建立强有力的数据监测新格局。三是运用大数据技术，广泛采集客户信息，形成客户精准画像。相较于传统客户身份识别模式，大数据时代能够更广泛地收集客户在网络媒体、社交网络的信息，如搜索引擎上是否存在负面新闻、客户的社交网络联系人及活跃领域等，可对客户信息把握更为完整和立体，同时也为监测分析工作提供良好支撑。这些信息收集提取的工作都可以通过大数据技术、人工智能领域的自然语言处理（NLP）来实现，尤其是知识图谱（Knowledge Graph）分析等技术的飞速发展，使得采集结构化数据、非结构化数据、多语种数据成为可能，不仅释放了人力成本，更拓宽了信息范围，生成更为完整、立体的客户尽职调查报告。

（二）建立智能反洗钱监测模型

运用大数据、云计算、人工智能、物联网等信息技术进行可疑交易监测分析工作。通过数据分析挖掘技术，实时监测资金流、信息流和物流，建立相应的模型，运用人工智能的方式，进行机器学习。同时不断优化模型和算法，使模型自动运行且更为精准，对非法集资、涉税犯罪等异常交易系统自动提示预警。根据模型特征指标的重要性，筛选出风险程度较高的指标，给予较大权重或生成风险特征自动预警，为监测分析人员提供支持。同时基于机器学习技术，模型将按照输出反馈不断进行迭代优化，从而使反洗钱监测体系在知识积累的基础上持续升级。

（三）打造智能反洗钱处理系统

在机器学习完善预警模型、提示异常线索的基础上，探索建立反洗钱智能处理系统。对于模型提示的可疑预警，由系统运用机器学习，从大量历史可疑交易的排除和上报案例中进行学习，将学习的信息应用于可疑交易分析，生成分析判断的结论，节省人工分析成本，提高工作效率。人工可于涉罪类型研判的阶段介入，对系统自动处理的结果进行审核确定。待相应技术成熟之后，可进一步优化系统功能，由系统自动报送可疑交易报告。通过由人工智能进行大量重复性的工作，使人力得以解放，去从事更需要创造性和人类智慧的复杂洗钱案例的分析研判工作，进一步优化金融机构的资源配置，真正实现反洗钱工作的有效性。另一方面，通过机器学习预测新的可疑交易，对机构、区域洗钱风险进行预判，对可能产生洗钱风险的客户进行提前预警，将反洗钱工作从“事后”挪到“事前”，真正从源头上遏制洗钱风险。

（四）推动制裁名单筛查智能化发展

随着国际制裁形势的日益严峻，当今各金融机构均建立了制裁名单筛查体系，通常是在主要业务系统中嵌入名单筛查引擎，在客户准入和交易环节进行筛查。系统筛查可以在业务办理过程中实时进行，但同时存在比较大的漏洞，即不需要录入系统的要素筛查不到，如国际贸易单据上的港口、船只等信息。目前，大多数金融机构采取的是人工筛查的方式，即将要素录入名单筛查系统。人工筛查的方式不仅耗费人力成本，且由于录错等原因造成的失误难以避免。将人工智能应用于扫描文档，提取港口、通知人、原产地等信息自动进行筛查，不仅能提高效率，还能减少失误，可大大提高制裁名单筛查效能。同时，人工智能对于相关单据要素的分析，将有助于识别贸易洗钱风险，为反洗钱和制裁合规管理提供有力帮助。