利用多維主體畫像技術(shù)防范洗錢風(fēng)險(xiǎn)研究

嚴(yán)堅(jiān)等

（中國(guó)人民銀行柳州市中心支行，廣西 柳州 545001）

《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出，健全金融風(fēng)險(xiǎn)預(yù)防、預(yù)警、處置、問責(zé)制度體系，落實(shí)監(jiān)管責(zé)任和屬地責(zé)任，對(duì)違法違規(guī)行為零容忍，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線?！秶?guó)務(wù)院辦公廳關(guān)于完善反洗錢、反恐怖融資、反逃稅監(jiān)管體制機(jī)制的意見》提出，要探索建立以金融情報(bào)為紐帶、以資金監(jiān)測(cè)為手段、以數(shù)據(jù)信息共享為基礎(chǔ)、符合國(guó)家治理需要的“三反”監(jiān)管體制機(jī)制。隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，金融產(chǎn)品不斷豐富，反洗錢數(shù)據(jù)呈爆炸性增長(zhǎng)，但反洗錢“數(shù)據(jù)孤島”和行業(yè)數(shù)據(jù)信息壁壘問題依舊存在，如何有效利用金融科技打破數(shù)據(jù)信息壁壘，整合多維度金融主體數(shù)據(jù)信息，精確監(jiān)測(cè)異常交易，研判洗錢風(fēng)險(xiǎn)趨勢(shì)，進(jìn)而有效打擊洗錢犯罪，對(duì)于防范化解金融風(fēng)險(xiǎn)、保障我國(guó)金融安全、推進(jìn)國(guó)家治理體系和治理能力現(xiàn)代化建設(shè)具有重要意義。

一、文獻(xiàn)綜述

（一）防范金融業(yè)務(wù)洗錢風(fēng)險(xiǎn)研究

Vaithilingam &Nair（2009）提出洗錢犯罪已成為社會(huì)普遍關(guān)注的問題，新的技術(shù)手段有助于反洗錢工作。金融科技發(fā)展迅速催生大量金融衍生品，交叉性金融模式的形成帶來了跨部門、跨行業(yè)的交叉性洗錢風(fēng)險(xiǎn)，需要運(yùn)用科技手段防范洗錢風(fēng)險(xiǎn)（覃盈盈，2021）。程?hào)|亮（2018）表示隨著時(shí)代和科技的進(jìn)步，犯罪分子的洗錢渠道和手段日趨多元化，為達(dá)到隱蔽資金用途和來源的目的，犯罪分子會(huì)將犯罪資金分別存放在不同機(jī)構(gòu)、不同行業(yè)，“信息孤島”下單一機(jī)構(gòu)難以掌握同一客戶的完整信息資料，從而無(wú)法準(zhǔn)確判斷可疑交易，反洗錢監(jiān)管難度增加。于惠賢（2021）認(rèn)為在大數(shù)據(jù)、人工智能迅速發(fā)展的時(shí)代，全球商業(yè)銀行已邁進(jìn)數(shù)字化4.0，金融科技在銀行經(jīng)營(yíng)管理中扮演愈加重要的角色，利用金融科技等手段有效提升客戶身份信息數(shù)據(jù)質(zhì)量，對(duì)金融機(jī)構(gòu)不斷提升反洗錢管理能力和風(fēng)險(xiǎn)應(yīng)對(duì)能力、切實(shí)防范風(fēng)險(xiǎn)具有至關(guān)重要的作用。

（二）多維主體畫像技術(shù)在反洗錢領(lǐng)域的應(yīng)用研究

多維主體畫像技術(shù)在反洗錢領(lǐng)域的研究主要通過大數(shù)據(jù)技術(shù)采集參與金融活動(dòng)的所有主體的所有信息，包括身份信息、金融信息、交易行為及關(guān)聯(lián)關(guān)系等，并在此基礎(chǔ)上使用人工智能算法對(duì)海量數(shù)據(jù)進(jìn)行挖掘、分析和預(yù)測(cè)。張煜和孔繁穎（2017）認(rèn)為使用反洗錢全息數(shù)據(jù)抽象主體畫像，關(guān)鍵在于利用數(shù)據(jù)挖掘技術(shù)、機(jī)器學(xué)習(xí)等技術(shù)工具對(duì)全息數(shù)據(jù)進(jìn)行深入挖掘、轉(zhuǎn)換、分類、預(yù)測(cè)，構(gòu)建主體洗錢行為監(jiān)測(cè)模型；可視化方面可通過社區(qū)挖掘算法識(shí)別群體洗錢行為模式，將反洗錢主體畫像應(yīng)用于洗錢風(fēng)險(xiǎn)分布、洗錢風(fēng)險(xiǎn)趨勢(shì)分析以及可疑主體排名。劉麗洪和朱彤（2019）認(rèn)為大數(shù)據(jù)將積累并引入多渠道的海量客戶信息，一旦賬戶交易情形與可疑交易監(jiān)測(cè)模型匹配，依靠大數(shù)據(jù)建立起來的智能可疑交易監(jiān)測(cè)系統(tǒng)會(huì)自動(dòng)預(yù)警，而人工智能技術(shù)將根據(jù)客戶以往軌跡分析其行為特征，從客戶交易行為中找出異常交易，發(fā)現(xiàn)背后隱藏的違法犯罪行為，彌補(bǔ)“模型篩查+名單監(jiān)控+人工甄別”監(jiān)測(cè)模式的局限性，提高金融機(jī)構(gòu)反洗錢工作的有效性。張潔（2020）提出引入大數(shù)據(jù)模式的反洗錢監(jiān)管可以提升反洗錢數(shù)據(jù)質(zhì)量，引入用戶畫像可對(duì)客戶群體精準(zhǔn)定位，結(jié)合各主體提供的信息，從而對(duì)客戶洗錢風(fēng)險(xiǎn)進(jìn)行全面、準(zhǔn)確、有效的識(shí)別，從源頭打擊洗錢犯罪。Abdul（2021）基于SNA設(shè)計(jì)關(guān)系模型識(shí)別大量交易流水中疑似洗錢行為，研究認(rèn)為該模型可以識(shí)別參與洗錢活動(dòng)的可疑客戶與集團(tuán)之間的關(guān)系，有助于金融機(jī)構(gòu)甄別洗錢活動(dòng)。

已有研究普遍認(rèn)為通過多維主體畫像可以對(duì)客戶活動(dòng)情況進(jìn)行全方位的精準(zhǔn)分析，有效提高洗錢風(fēng)險(xiǎn)識(shí)別能力。本文在已有成果基礎(chǔ)上，創(chuàng)新性地提出基于多維主體畫像防范洗錢風(fēng)險(xiǎn)的技術(shù)方案，主要思路是：充分整合金融機(jī)構(gòu)以及各行業(yè)的大數(shù)據(jù)信息，對(duì)以客戶為單位的金融主體進(jìn)行畫像，構(gòu)建多維主體畫像技術(shù)架構(gòu)；建立多維主體畫像數(shù)據(jù)體系；研究反洗錢數(shù)據(jù)標(biāo)簽，并對(duì)數(shù)據(jù)標(biāo)簽進(jìn)行建模；使用人工智能算法對(duì)海量數(shù)據(jù)進(jìn)行挖掘、分析和預(yù)測(cè)，準(zhǔn)確甄別客戶洗錢風(fēng)險(xiǎn)狀況及追溯可疑交易資金鏈，為反洗錢工作提供有力支持。

二、防范洗錢風(fēng)險(xiǎn)的多維主體畫像技術(shù)方案

（一）建立多維主體畫像技術(shù)架構(gòu)

多維主體畫像技術(shù)架構(gòu)重點(diǎn)是利用分布式架構(gòu)實(shí)現(xiàn)金融機(jī)構(gòu)反洗錢數(shù)據(jù)源對(duì)接，根據(jù)大數(shù)據(jù)技術(shù)構(gòu)建多維主體畫像數(shù)據(jù)體系，研究洗錢風(fēng)險(xiǎn)數(shù)據(jù)標(biāo)簽并對(duì)可疑風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行建模，利用人工智能相關(guān)算法進(jìn)行挖掘、分析和預(yù)測(cè)，探索洗錢風(fēng)險(xiǎn)分布、洗錢風(fēng)險(xiǎn)趨勢(shì)，從而實(shí)現(xiàn)金融主體洗錢風(fēng)險(xiǎn)“穿透”識(shí)別。如圖1所示，技術(shù)架構(gòu)包括三層：一是放置探針對(duì)接金融機(jī)構(gòu)反洗錢數(shù)據(jù)源，各金融機(jī)構(gòu)將各類反洗錢相關(guān)的業(yè)務(wù)系統(tǒng)數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)按照規(guī)定的標(biāo)準(zhǔn)轉(zhuǎn)換、匯聚并存儲(chǔ)到數(shù)據(jù)集市，監(jiān)管機(jī)構(gòu)通過管理中心向數(shù)據(jù)集市部署探針，實(shí)現(xiàn)監(jiān)管規(guī)則的實(shí)例化配置與發(fā)布、運(yùn)行管理、上報(bào)洗錢風(fēng)險(xiǎn)信息和推送洗錢風(fēng)險(xiǎn)提示，同時(shí)監(jiān)管機(jī)構(gòu)可利用管理中心對(duì)跨機(jī)構(gòu)上報(bào)的洗錢風(fēng)險(xiǎn)信息進(jìn)行關(guān)聯(lián)分析，精準(zhǔn)識(shí)別風(fēng)險(xiǎn)點(diǎn)，進(jìn)而通過二次定向下發(fā)監(jiān)管規(guī)則進(jìn)行深入分析追溯，有效解決“數(shù)據(jù)孤島”問題。二是管理中心以大數(shù)據(jù)技術(shù)為基礎(chǔ)構(gòu)建多維主體畫像數(shù)據(jù)體系，將反洗錢信息整合成數(shù)據(jù)標(biāo)簽，并對(duì)數(shù)據(jù)標(biāo)簽進(jìn)行建模，實(shí)現(xiàn)股東畫像、機(jī)構(gòu)畫像、交易畫像和關(guān)系畫像，針對(duì)復(fù)雜多變的洗錢手段，不斷形成新的監(jiān)管規(guī)則，定期向數(shù)據(jù)集市下發(fā)探針，更新版本、運(yùn)行方式與周期，實(shí)現(xiàn)畫像、模型算法的實(shí)時(shí)升級(jí)。三是基于人工智能算法主動(dòng)分析和發(fā)現(xiàn)異常洗錢風(fēng)險(xiǎn)，研究適應(yīng)于分布式的、異步的模型算法，構(gòu)建智能規(guī)則引擎，基于多維主體畫像形成的數(shù)據(jù)基礎(chǔ)，在各機(jī)構(gòu)數(shù)據(jù)集市深入分析各類洗錢交易風(fēng)險(xiǎn)，利用社交網(wǎng)絡(luò)分析等算法對(duì)已發(fā)生的案件進(jìn)行追溯反查，利用聚類算法對(duì)不同洗錢案件進(jìn)行串并分析，利用最短路徑算法對(duì)資金交易路徑進(jìn)行分析等。

圖1 多維主體畫像技術(shù)架構(gòu)示意圖

（二）建立多維主體畫像數(shù)據(jù)體系

建立多維主體畫像數(shù)據(jù)體系需要深入利用各金融機(jī)構(gòu)的數(shù)據(jù)源，本文設(shè)計(jì)基于主流的微服務(wù)、分布式技術(shù)構(gòu)建管理中心和前置系統(tǒng)，對(duì)金融機(jī)構(gòu)數(shù)據(jù)源進(jìn)行對(duì)接和分析利用，如圖2所示。管理中心部署在監(jiān)管機(jī)構(gòu)內(nèi)部，其功能包括探針規(guī)則配置與發(fā)布，使用規(guī)則配置的方式定義監(jiān)管探針的輸入數(shù)據(jù)項(xiàng)、規(guī)則運(yùn)算條件與觸發(fā)條件、監(jiān)管報(bào)告結(jié)果輸出。前置系統(tǒng)部署在各金融機(jī)構(gòu)中，運(yùn)行管理中心下發(fā)的探針專家規(guī)則，以各金融機(jī)構(gòu)反洗錢數(shù)據(jù)集市為基礎(chǔ)進(jìn)行反洗錢風(fēng)險(xiǎn)分析。

圖2 金融機(jī)構(gòu)反洗錢數(shù)據(jù)源對(duì)接示意圖

各金融機(jī)構(gòu)目前已建有的反洗錢數(shù)據(jù)庫(kù)信息主要包括客戶交易信息和客戶身份基本信息、客戶洗錢風(fēng)險(xiǎn)信息、機(jī)構(gòu)外部拓展客戶信息等，因而可以建立以客戶為單位的反洗錢監(jiān)管數(shù)據(jù)集市，搭建多維主體畫像數(shù)據(jù)體系。

1.客戶基本信息及交易記錄數(shù)據(jù)。金融機(jī)構(gòu)保存的客戶基本信息及交易記錄數(shù)據(jù)主要是根據(jù)《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》等規(guī)章制度要求采集客戶身份信息和交易信息（如表1所示）。

表1 多維主體畫像數(shù)據(jù)體系明細(xì)表

2.客戶洗錢風(fēng)險(xiǎn)信息數(shù)據(jù)。客戶洗錢風(fēng)險(xiǎn)信息包括客戶在金融機(jī)構(gòu)內(nèi)部的洗錢風(fēng)險(xiǎn)等級(jí)、被劃定為當(dāng)前風(fēng)險(xiǎn)等級(jí)的風(fēng)險(xiǎn)點(diǎn)、觸發(fā)異常交易監(jiān)測(cè)記錄、受司法查詢和凍結(jié)記錄。

3.機(jī)構(gòu)外部拓展客戶信息數(shù)據(jù)。金融機(jī)構(gòu)在開展客戶盡職調(diào)查時(shí)利用外部渠道（如媒體、第三方機(jī)構(gòu)、官方渠道等）獲取的客戶信息，主要包括客戶負(fù)面新聞信息、社會(huì)關(guān)系信息、社保繳納信息、稅務(wù)信息等。

（三）建立多維主體畫像標(biāo)簽體系

利用反洗錢監(jiān)管數(shù)據(jù)集市構(gòu)建多維主體畫像標(biāo)簽體系，包括客戶身份標(biāo)簽、風(fēng)險(xiǎn)屬性標(biāo)簽、交易屬性標(biāo)簽三個(gè)域和資金交易規(guī)律特征、洗錢風(fēng)險(xiǎn)因素兩個(gè)子域，多維度識(shí)別客戶的身份、資金交易行為并刻畫客戶的洗錢風(fēng)險(xiǎn)畫像。

客戶身份標(biāo)簽信息包括客戶基本信息數(shù)據(jù)和機(jī)構(gòu)外部拓展客戶信息數(shù)據(jù)的社會(huì)關(guān)系信息、社保繳納信息、稅務(wù)信息、工商網(wǎng)站公布的信息等。風(fēng)險(xiǎn)屬性標(biāo)簽包括洗錢風(fēng)險(xiǎn)因素子域和觸發(fā)異常交易監(jiān)控記錄、受司法查詢和凍結(jié)記錄、客戶身份資料完善度、負(fù)面新聞信息，其中洗錢風(fēng)險(xiǎn)因素子域標(biāo)簽包括客戶風(fēng)險(xiǎn)等級(jí)劃分情況及劃分為當(dāng)前風(fēng)險(xiǎn)等級(jí)的原因。交易屬性標(biāo)簽包括交易時(shí)間、交易對(duì)手行名、交易對(duì)手賬戶、交易對(duì)手戶名和交易金額等信息，以及資金交易規(guī)律特征子域，包括分散轉(zhuǎn)入集中轉(zhuǎn)出或集中轉(zhuǎn)入分散轉(zhuǎn)出特征、交易渠道、現(xiàn)金交易偏好、交易金額規(guī)律以及大額資金交易情況等。

構(gòu)建標(biāo)簽體系可以通過層級(jí)、權(quán)重以及預(yù)測(cè)三個(gè)步驟進(jìn)行。標(biāo)簽的層級(jí)劃分可以采用層次化迭代的方式，對(duì)上一層標(biāo)簽的不斷迭代提煉。原始數(shù)據(jù)包括社會(huì)關(guān)系信息、社保繳納信息、稅務(wù)信息、工商網(wǎng)站公布的信息等，主要來源于客戶日常金融行為產(chǎn)生的基礎(chǔ)數(shù)據(jù)，利用文本挖掘、統(tǒng)計(jì)算法對(duì)原始數(shù)據(jù)進(jìn)行分析提煉可得到事實(shí)標(biāo)簽。在事實(shí)標(biāo)簽中按照分類算法將客戶進(jìn)行分類、聚類，使用關(guān)鍵詞算法挖掘客戶的風(fēng)險(xiǎn)權(quán)重，從而預(yù)測(cè)標(biāo)簽。

（四）建立多維主體畫像監(jiān)測(cè)模型

基于大數(shù)據(jù)技術(shù)構(gòu)建多維度主體畫像監(jiān)測(cè)模型，對(duì)以客戶為單位的金融主體進(jìn)行客觀精準(zhǔn)畫像，實(shí)現(xiàn)監(jiān)測(cè)金融主體的狀態(tài)和行為特征，監(jiān)測(cè)金融主體經(jīng)營(yíng)動(dòng)態(tài)全息面貌，監(jiān)測(cè)集群關(guān)聯(lián)關(guān)系、挖掘集群派系和族譜關(guān)系，分析金融主體交易行為，大幅提升金融主體的風(fēng)險(xiǎn)信息提取和洗錢風(fēng)險(xiǎn)分析能力，如圖3所示。

圖3 多維度主體畫像監(jiān)測(cè)模型示意圖

多維主體畫像主要包括四方面：一是股東畫像，主要涉及金融主體的股東信息、各股東持股比例、股東的身份背景、社交信息、親屬關(guān)系等?；诓杉呐c股東相關(guān)的數(shù)據(jù)為基礎(chǔ)，精確計(jì)算分析金融主體背后的股權(quán)結(jié)構(gòu)，向上識(shí)別金融主體的主要股東、最終實(shí)際控制人、上下游關(guān)聯(lián)方和最終實(shí)際受益人，向下識(shí)別產(chǎn)品的底層資產(chǎn)，包括其持股類型、持股比例和歷史變更情況等，實(shí)現(xiàn)穿透式股權(quán)結(jié)構(gòu)分析，逐層識(shí)別金融主體的股權(quán)結(jié)構(gòu)直至最終受益人和幕后實(shí)際控制人層級(jí)，給出每層級(jí)股東取得相應(yīng)權(quán)益的時(shí)間、出資方式、資金來源和流向等信息。二是機(jī)構(gòu)畫像，實(shí)現(xiàn)有效整合客戶身份基本信息及行為特征信息等，包括金融主體建立業(yè)務(wù)關(guān)系時(shí)初次身份識(shí)別時(shí)收集到的客戶身份基本信息以及不斷完善的身份信息、機(jī)構(gòu)背景、經(jīng)營(yíng)特征等。三是關(guān)系畫像，包括自然人關(guān)系和機(jī)構(gòu)關(guān)系兩方面，其中機(jī)構(gòu)關(guān)系是根據(jù)機(jī)構(gòu)畫像、股東畫像的基礎(chǔ)數(shù)據(jù)，深入挖掘分析機(jī)構(gòu)的股權(quán)穿透、股權(quán)控制路徑、關(guān)系圖譜、投資族譜、幕后關(guān)系、最短路徑關(guān)聯(lián)、供應(yīng)鏈上下游關(guān)系等，這些關(guān)系的識(shí)別描繪了關(guān)聯(lián)機(jī)構(gòu)的業(yè)務(wù)發(fā)展脈絡(luò)以及經(jīng)營(yíng)圈，理清金融主體關(guān)系情況，全面挖掘集群關(guān)聯(lián)性金融主體各維度利益屬性和控制影響關(guān)系，通過對(duì)上述關(guān)系的遞歸分析，最終形成全域企業(yè)間完整的關(guān)聯(lián)圖譜，可以追溯到關(guān)聯(lián)圖譜中的任意主體，并標(biāo)記其與實(shí)際控制人的關(guān)系距離，直觀立體展現(xiàn)集群企業(yè)的關(guān)聯(lián)關(guān)系。四是交易畫像，利用賬戶數(shù)據(jù)、結(jié)算數(shù)據(jù)、歷史交易數(shù)據(jù)等進(jìn)行分析，構(gòu)建動(dòng)態(tài)、完整、全面的交易圖譜，在一張信息準(zhǔn)確完整的關(guān)聯(lián)網(wǎng)絡(luò)上刻畫金融主體錯(cuò)綜復(fù)雜的交易往來情況。利用多維主體畫像模型將企業(yè)之間、經(jīng)營(yíng)者之間的信息融合，建立基于海量數(shù)據(jù)的交換、匯聚、整合、挖掘、分析、傳遞和利用的連續(xù)性機(jī)制，充分發(fā)揮大數(shù)據(jù)技術(shù)在各類金融主體洗錢風(fēng)險(xiǎn)分析方面的價(jià)值。

三、多維主體畫像技術(shù)在洗錢風(fēng)險(xiǎn)防范中的應(yīng)用

2021 年人民銀行發(fā)布新版《可疑交易類型和識(shí)別點(diǎn)對(duì)照表》（以下簡(jiǎn)稱《對(duì)照表》），歸納總結(jié)各類洗錢交易特征。結(jié)合該表特征標(biāo)簽，本文以聚類分析算法監(jiān)測(cè)金融主體網(wǎng)絡(luò)賭博交易洗錢風(fēng)險(xiǎn)、利用社會(huì)網(wǎng)絡(luò)分析法追溯資金去向和挖掘隱藏可疑交易團(tuán)伙為例，闡述基于多維主體畫像技術(shù)方案在洗錢風(fēng)險(xiǎn)防范中的應(yīng)用。

（一）聚類分析算法監(jiān)測(cè)金融主體網(wǎng)絡(luò)賭博交易洗錢風(fēng)險(xiǎn)

根據(jù)新版《對(duì)照表》中網(wǎng)絡(luò)賭博可疑交易類型特征，把可識(shí)別特征設(shè)計(jì)為可標(biāo)識(shí)、可衡量的指標(biāo)，建立涉及客戶身份、風(fēng)險(xiǎn)屬性和交易屬性內(nèi)容共3個(gè)標(biāo)簽類型的9個(gè)標(biāo)簽指標(biāo)名稱，并根據(jù)標(biāo)簽指標(biāo)監(jiān)測(cè)數(shù)據(jù)匹配情況進(jìn)行賦值，存在關(guān)聯(lián)匹配則該標(biāo)簽指標(biāo)為1，無(wú)關(guān)聯(lián)則為0，由此對(duì)多維主體畫像標(biāo)簽體系數(shù)據(jù)進(jìn)行聚類分析，如表2所示。

表2 網(wǎng)絡(luò)賭博監(jiān)測(cè)標(biāo)簽指標(biāo)體系

（二）利用社會(huì)網(wǎng)絡(luò)分析法追溯資金去向和挖掘隱藏可疑交易團(tuán)伙

社會(huì)網(wǎng)絡(luò)分析算法（SNA）可以用于復(fù)雜網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)的信息度量，衡量節(jié)點(diǎn)在一定的網(wǎng)絡(luò)范圍內(nèi)的重要程度，通過節(jié)點(diǎn)度、聚類系數(shù)、節(jié)數(shù)、中心性的分析建立對(duì)這些網(wǎng)絡(luò)的理解，有利于挖掘出網(wǎng)絡(luò)中發(fā)揮關(guān)鍵性作用的節(jié)點(diǎn)和集群。

當(dāng)前犯罪團(tuán)伙交易形式復(fù)雜多變，以利用銀行賬戶周轉(zhuǎn)非法資金為例，跨境賭博和非法經(jīng)營(yíng)地下錢莊的犯罪團(tuán)伙會(huì)租借大量銀行賬戶接收、過渡和轉(zhuǎn)移非法資金，交易過程錯(cuò)綜復(fù)雜且摻雜正當(dāng)交易掩人耳目，使資金最終去向難以甄別，這些違法行為綜合起來構(gòu)成了一張復(fù)雜的網(wǎng)絡(luò)。而利用社會(huì)網(wǎng)絡(luò)分析算法分析非法資金來源與去向，對(duì)挖掘眾多交易賬戶中隱藏可疑交易團(tuán)伙具有較大的幫助。

1.關(guān)鍵賬戶節(jié)點(diǎn)。利用社會(huì)網(wǎng)絡(luò)分析（SNA）算法，分析網(wǎng)絡(luò)圖中各個(gè)節(jié)點(diǎn)（賬戶）的信息度量，可以發(fā)現(xiàn)可疑交易團(tuán)伙的關(guān)鍵賬戶。常用的SNA 算法指標(biāo)包括度中心性、緊密中心性、中介中心度等。

度中心性是對(duì)復(fù)雜網(wǎng)絡(luò)進(jìn)行分析時(shí)，刻畫一個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)圖中的重要程度的最直接度量指標(biāo)，在一個(gè)復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)中，一個(gè)節(jié)點(diǎn)的邊越大則該節(jié)點(diǎn)的度中心性越高，表明該節(jié)點(diǎn)在網(wǎng)絡(luò)中越重要，在反洗錢數(shù)據(jù)分析中，一個(gè)節(jié)點(diǎn)的度中心性越高，表明該節(jié)點(diǎn)活躍度也隨之增長(zhǎng)，在可疑交易團(tuán)伙中起到關(guān)鍵作用。某個(gè)節(jié)點(diǎn)度中心性計(jì)算如公式（1）所示。

其中，kx表示與節(jié)點(diǎn)x直接相連接的所有節(jié)點(diǎn)個(gè)數(shù)，N-1表示節(jié)點(diǎn)x與其他節(jié)點(diǎn)相連的邊數(shù)。

緊密中心性是用于分析一個(gè)節(jié)點(diǎn)到其他所有可達(dá)節(jié)點(diǎn)最短路徑的平均長(zhǎng)度，在反洗錢數(shù)據(jù)分析中，一個(gè)節(jié)點(diǎn)距離其他節(jié)點(diǎn)越近，則緊密中心度越高，表明該節(jié)點(diǎn)在網(wǎng)絡(luò)中的可達(dá)性越高，在可疑交易中該節(jié)點(diǎn)重要作用越高。某個(gè)節(jié)點(diǎn)x的緊密中心性計(jì)算如公式（2）所示。

其中，d(y,x)是某個(gè)節(jié)點(diǎn)x到其他節(jié)點(diǎn)y的平均距離，距離總和∑d(y,x)越小，C(x)就越大，說明該節(jié)點(diǎn)x的緊密中心性越大，則該節(jié)點(diǎn)距離網(wǎng)絡(luò)中其他節(jié)點(diǎn)更近。

中介中心度是一個(gè)節(jié)點(diǎn)作為其他兩個(gè)節(jié)點(diǎn)之間最短路徑橋梁的次數(shù)，在反洗錢數(shù)據(jù)分析中，一個(gè)節(jié)點(diǎn)x到其他節(jié)點(diǎn)經(jīng)過某個(gè)節(jié)點(diǎn)v的最短路徑數(shù)目越多，說明該節(jié)點(diǎn)重要性越高，對(duì)整個(gè)網(wǎng)絡(luò)的影響越大。某個(gè)節(jié)點(diǎn)x的中介中心度計(jì)算如公式（3）所示。

其中，d(x,y)表示x到y(tǒng)的最短路徑數(shù)，d(x,y|v)是從x到y(tǒng)的最短路徑中經(jīng)過節(jié)點(diǎn)v的數(shù)量。

在多維主體畫像中經(jīng)過以上算法對(duì)可疑資金交易案例數(shù)據(jù)進(jìn)行分析，如圖4 所示，圖中兩個(gè)賬戶較明顯的節(jié)點(diǎn)分別是交易行為網(wǎng)絡(luò)中的度中心性、緊密中心性、中介中心度最高的節(jié)點(diǎn)，可以看到這兩個(gè)賬戶在網(wǎng)絡(luò)中和其他節(jié)點(diǎn)的連接是最多的，可以判定是轉(zhuǎn)賬交易中最活躍的賬戶，在可疑交易團(tuán)伙中屬于關(guān)鍵賬戶。

圖4 利用度中心性發(fā)現(xiàn)關(guān)鍵賬戶節(jié)點(diǎn)示意圖

2.挖掘隱藏可疑交易團(tuán)伙。金融主體的資金交易網(wǎng)絡(luò)中，發(fā)現(xiàn)異常交易行為主要是從復(fù)雜的交易網(wǎng)絡(luò)中主動(dòng)發(fā)現(xiàn)一些模式化的異常資金結(jié)構(gòu)，例如頻繁匯入?yún)R出、集中轉(zhuǎn)入轉(zhuǎn)出、分散轉(zhuǎn)入集中轉(zhuǎn)出、鏈?zhǔn)浇灰捉Y(jié)構(gòu)、環(huán)狀交易結(jié)構(gòu)和其他異常交易結(jié)構(gòu)，采用閾值過濾算法分析某一時(shí)間段集中轉(zhuǎn)入轉(zhuǎn)出情況，同時(shí)根據(jù)交易時(shí)間鎖定頻繁匯入/匯出異常問題。

在洗錢風(fēng)險(xiǎn)分析中，可將交易的付款方賬戶、收款方賬戶、交易金額信息抓取出來，金融交易數(shù)據(jù)抽象為社會(huì)網(wǎng)絡(luò)，復(fù)雜網(wǎng)絡(luò)中的節(jié)點(diǎn)代表各金融主體或其名下賬戶，屬性為客戶基本信息和賬戶信息，聯(lián)系各個(gè)節(jié)點(diǎn)的邊代表各金融主體或交易賬戶之間的資金網(wǎng)絡(luò)交易信息，如圖5所示。

圖5 金融交易網(wǎng)絡(luò)圖示意圖

金融交易網(wǎng)絡(luò)會(huì)隨著時(shí)間的推移以及交易活動(dòng)的開展而變化，因而可分為時(shí)點(diǎn)交易網(wǎng)絡(luò)和時(shí)段交易網(wǎng)絡(luò)。時(shí)點(diǎn)交易網(wǎng)絡(luò)代表某交易團(tuán)體在某時(shí)間點(diǎn)所發(fā)生的資金往來交易情況；時(shí)段交易網(wǎng)絡(luò)則代表該時(shí)段內(nèi)交易團(tuán)體在各個(gè)時(shí)點(diǎn)發(fā)生所有交易情況的集合。犯罪團(tuán)伙通過控制大量銀行賬戶接收非法資金并在各個(gè)賬戶之間來回周轉(zhuǎn)，使資金向某個(gè)或多個(gè)賬戶沉淀，最終達(dá)到非法轉(zhuǎn)移資金的目的。在整個(gè)非法交易過程中，會(huì)存在個(gè)別賬戶隱藏于眾多正當(dāng)交易和非正當(dāng)交易賬戶中負(fù)責(zé)周轉(zhuǎn)或沉淀非法資金，該團(tuán)體則稱為隱藏可疑交易團(tuán)體。隱藏可疑交易團(tuán)體在不同時(shí)間段可能會(huì)出現(xiàn)在交易網(wǎng)絡(luò)中或退出交易網(wǎng)絡(luò)，該情形主要是受交易時(shí)段資金轉(zhuǎn)移時(shí)間的緊迫度影響。如果資金轉(zhuǎn)移時(shí)間較為緊迫，犯罪團(tuán)伙則會(huì)利用慣用的賬戶進(jìn)行接收和轉(zhuǎn)移非法資金；而在時(shí)間較為寬松的情況下，犯罪團(tuán)伙則會(huì)增加隱藏可疑交易團(tuán)體賬戶作為非法資金交易鏈中的中轉(zhuǎn)過渡環(huán)節(jié)或沉淀環(huán)節(jié)，擴(kuò)大交易環(huán)節(jié)，使資金交易鏈更為復(fù)雜和更難追蹤。如圖6 所示，將金融交易網(wǎng)絡(luò)劃分為四個(gè)時(shí)段，時(shí)段T1和時(shí)段T3代表非法資金轉(zhuǎn)移較為緊迫情形下的金融交易網(wǎng)絡(luò)，可疑交易賬戶團(tuán)體A、B、C、D 四個(gè)節(jié)點(diǎn)之間無(wú)隱藏可疑交易團(tuán)體賬戶E作為外部連接點(diǎn)；在時(shí)段T2和T4時(shí)段中非法資金轉(zhuǎn)移時(shí)間較為寬松，非法交易網(wǎng)絡(luò)中增加隱藏可疑交易團(tuán)體賬戶E 作為中轉(zhuǎn)站連接A、B和C、D兩個(gè)交易鏈。

圖6 隱藏和非隱藏可疑交易團(tuán)體交易網(wǎng)絡(luò)示意圖

利用金融交易網(wǎng)絡(luò)分析甄別隱藏可疑交易團(tuán)體和非隱藏交易團(tuán)體的第一個(gè)步驟是聚合交易數(shù)據(jù)信息。因?yàn)樵趯?shí)際交易中，會(huì)存在同一金融交易主體名下開立多個(gè)銀行賬戶，賬戶資金會(huì)在同名賬戶或交易團(tuán)體成員賬戶之間往來，因而在識(shí)別交易團(tuán)體成員時(shí)需要將交易數(shù)據(jù)聚合，將不同賬戶同一戶名的數(shù)據(jù)聚合歸類或刪除重復(fù)部分，隨后進(jìn)行網(wǎng)絡(luò)社交分析，識(shí)別隱藏和非隱藏可疑交易團(tuán)體。

3.追溯異常交易資金去向。追溯多階段非法資金轉(zhuǎn)移的路徑是反洗錢工作的難點(diǎn)，研究金融主體資金交易網(wǎng)絡(luò)中各交易節(jié)點(diǎn)之間的個(gè)體、群體之間的聯(lián)系，可以從交易網(wǎng)絡(luò)中找到一些模式化的異常資金去向結(jié)構(gòu)。金融主體合法的資金交易行為過程中，為了節(jié)省人力、物力的額外開銷，一般都會(huì)遵循成本最低和時(shí)間最短的原則，而非法的洗錢活動(dòng)為了掩人耳目經(jīng)常指揮資金在交易網(wǎng)絡(luò)中以非正常的模式流轉(zhuǎn)。因此利用最短路徑算法，包括迪杰斯特拉、弗洛伊德、約翰遜等算法，通過這些算法來挖掘?qū)ふ医鹑谥黧w之間最直接的鏈路，最短路徑可以直接定位到可疑的非法交易。在反洗錢工作中，利用最短路徑算法，以一個(gè)節(jié)點(diǎn)為起點(diǎn)，并作為中心向外擴(kuò)展，擴(kuò)展到終點(diǎn)為止。由此計(jì)算該節(jié)點(diǎn)到其他所有節(jié)點(diǎn)的最短路徑。

通過這些特征分析可發(fā)現(xiàn)節(jié)點(diǎn)間為匯聚到某一節(jié)點(diǎn)的關(guān)系或者單向的轉(zhuǎn)出關(guān)系，其中最主要的特點(diǎn)是每一筆交易都可以確定起始節(jié)點(diǎn)和最終節(jié)點(diǎn)，從而追溯完整的資金交易鏈條。

四、結(jié)論與建議

通過大數(shù)據(jù)技術(shù)并充分利用金融機(jī)構(gòu)的海量客戶數(shù)據(jù)，如賬戶、存貸款、銀行交易流水、企業(yè)信息等海量數(shù)據(jù)對(duì)金融主體進(jìn)行多維度指標(biāo)模型畫像，能夠?yàn)楸O(jiān)管機(jī)構(gòu)提供一個(gè)全面的金融主體知識(shí)圖譜，完成金融主體信息、交易行為的統(tǒng)一歸集，為監(jiān)管機(jī)構(gòu)、金融機(jī)構(gòu)提供高效率的金融主體信息查詢與關(guān)聯(lián)關(guān)系分析，并穿透識(shí)別可疑交易主體、探索洗錢風(fēng)險(xiǎn)趨勢(shì)及分布、深入洞察和精準(zhǔn)識(shí)別潛在的洗錢風(fēng)險(xiǎn)，為反洗錢工作提供有力支持。為了提高多維主體畫像在反洗錢領(lǐng)域監(jiān)測(cè)風(fēng)險(xiǎn)應(yīng)用水平，進(jìn)一步整合各業(yè)務(wù)條塊的分散數(shù)據(jù)，發(fā)揮金融領(lǐng)域的大數(shù)據(jù)優(yōu)勢(shì)，本文提出以下建議。

（一）政府部門

一是加強(qiáng)監(jiān)管科技發(fā)展的頂層設(shè)計(jì)，加快制定符合我國(guó)金融監(jiān)管實(shí)際的監(jiān)管科技發(fā)展規(guī)劃，從國(guó)家戰(zhàn)略的高度全面加強(qiáng)監(jiān)管科技的研究和應(yīng)用。二是建議由政府部門牽頭建立跨部門、跨機(jī)構(gòu)的信息共享和溝通機(jī)制，通過整合技術(shù)、人才和資金等要素形成部門合力，促進(jìn)金融監(jiān)管科技的協(xié)同發(fā)展。三是加強(qiáng)國(guó)際合作，加強(qiáng)與國(guó)外金融監(jiān)管機(jī)構(gòu)的溝通交流，學(xué)習(xí)先進(jìn)國(guó)家、地區(qū)的監(jiān)管理念及技術(shù)，不斷完善我國(guó)金融監(jiān)管科技的發(fā)展。

（二）反洗錢監(jiān)管部門

一是不斷探索完善多維主體畫像技術(shù)發(fā)展的良性生態(tài)環(huán)境，從監(jiān)管邏輯、技術(shù)升級(jí)、資金及技術(shù)保障、產(chǎn)品配套等方面全方位支持多維主體畫像技術(shù)乃至監(jiān)管科技的健康有序發(fā)展。二是及時(shí)關(guān)注技術(shù)應(yīng)用中可能產(chǎn)生的風(fēng)險(xiǎn)問題，對(duì)相關(guān)的流程和環(huán)節(jié)進(jìn)行規(guī)范，全面跟蹤基礎(chǔ)架構(gòu)、應(yīng)用情況、升級(jí)完善等環(huán)節(jié)，不斷提升多維主體畫像技術(shù)的應(yīng)用水平，提高監(jiān)管效率。三是完善反洗錢保密相關(guān)法律法規(guī)建設(shè)，建立信息共享和信息安全保密機(jī)制，整合各部門的信息數(shù)據(jù)，為大數(shù)據(jù)分析提供更廣泛的數(shù)據(jù)基礎(chǔ)，提高決策可信度。

（三）義務(wù)機(jī)構(gòu)

一是強(qiáng)化客戶身份識(shí)別，不斷完善客戶身份信息和金融交易信息，確保金融主體數(shù)據(jù)信息的真實(shí)性和完整性。二是在資金交易監(jiān)測(cè)方面，應(yīng)改變資金交易監(jiān)測(cè)思路，由單一經(jīng)驗(yàn)型可疑交易監(jiān)測(cè)分析向經(jīng)驗(yàn)型加預(yù)測(cè)型的復(fù)合型監(jiān)測(cè)思路轉(zhuǎn)變，增強(qiáng)可疑交易監(jiān)測(cè)指標(biāo)模型的時(shí)效性。三是加大和反洗錢監(jiān)管部門以及公檢法部門的溝通聯(lián)系，不斷收集各類洗錢風(fēng)險(xiǎn)因素以及洗錢案例和交易手段，積極向上級(jí)反饋，完善監(jiān)測(cè)模型及指標(biāo)，提高畫像的準(zhǔn)確率，提升反洗錢監(jiān)測(cè)質(zhì)效。

（四）社會(huì)公眾

社會(huì)公眾作為金融交易的主體，應(yīng)不斷增強(qiáng)反洗錢意識(shí)，在開展金融交易活動(dòng)時(shí)主動(dòng)配合金融機(jī)構(gòu)履行客戶身份識(shí)別義務(wù)，登記真實(shí)、完整的身份信息，同時(shí)注意保護(hù)自身合法利益，遠(yuǎn)離陷阱，避免被不法分子利用洗錢。當(dāng)發(fā)現(xiàn)洗錢交易行為時(shí)應(yīng)積極向監(jiān)管部門或公安機(jī)關(guān)舉報(bào)，為洗錢風(fēng)險(xiǎn)監(jiān)測(cè)及時(shí)提供有價(jià)值的信息。