金融科技賦能反洗錢數(shù)字化轉型

紀瑞樸 楊 璇 王彥博

跨入數(shù)字經濟時代，金融科技日新月異，推進金融科技與反洗錢深度融合，成為反洗錢改革創(chuàng)新的必由之路。本文針對當前反洗錢面臨的問題，系統(tǒng)梳理金融科技賦能反洗錢監(jiān)管數(shù)字化轉型的路徑，展望金融科技賦能反洗錢的未來方向與目標，提出構建“信息動態(tài)感知、數(shù)據(jù)精準分析、業(yè)務智能支撐”的反洗錢監(jiān)管系統(tǒng)化構想，并在借鑒國內外領先金融機構特別是互聯(lián)網金融公司實踐經驗的基礎上，探索制定從規(guī)劃布局、技術架構、數(shù)據(jù)治理、風控機制等多維度協(xié)同推進反洗錢領域科技應用的策略。

金融科技對反洗錢數(shù)字化轉型的賦能效應

金融科技是技術驅動的金融創(chuàng)新，具有四大特點和優(yōu)勢：一是數(shù)字化，以數(shù)據(jù)為基石，挖掘、整合和利用數(shù)據(jù)資源；二是智能化，依托機器學習、自然語言處理等技術洞察風險、穿透式監(jiān)管；三是實時性，可以實時動態(tài)監(jiān)測金融活動；四是共享性，可以使數(shù)據(jù)在金融機構、監(jiān)管機構之間交互共享，打破信息壁壘，實現(xiàn)數(shù)據(jù)高效利用。正是基于上述特點及優(yōu)勢，金融科技引起反洗錢國際組織金融行動特別工作組的重點關注與極力推崇，而且在金融科技與反洗錢的初步融合實踐中發(fā)揮了重要作用。

本文從基于機器學習的行為分析（Behaviour Analysis Based on Machine Learning）、區(qū)塊鏈應用（Block Chain Application）、大數(shù)據(jù)應用（Big Data Application）和生物識別（Biometrics Identification）四個技術方面提出“4B框架”，對金融科技賦能反洗錢數(shù)字化轉型予以論述。

基于機器學習的行為分析：助力洗錢風險監(jiān)測智能化與精準化

機器學習是人工智能的核心技術之一，可通過數(shù)據(jù)處理（模擬學習過往的經驗數(shù)據(jù)）、特征工程、模型訓練、模型驗證等完成機器學習模型的創(chuàng)建，并在模型成果的實際應用中持續(xù)對其實施訓練和調優(yōu)，以促進對未來預判的準確性不斷提升。機器學習對反洗錢數(shù)字化轉型的賦能機理：一是面向客戶，構建基于行為特征的反洗錢可疑交易預警體系；二是面向交易，構建基于海量歷史案例的可疑交易預警體系。

機器學習模型可直擊反洗錢三大痛點：一是提升反洗錢監(jiān)管效率，緩解海量交易數(shù)據(jù)給金融機構帶來的人力成本壓力，降低操作風險敞口。二是提高反洗錢監(jiān)測精準性。基于專家經驗及歷史數(shù)據(jù)，訓練優(yōu)化監(jiān)測模型，使洗錢風險識別不易受外部因素干擾，既可比人工分析更加精準，也可有效防范操作風險與道德風險。三是提升反洗錢監(jiān)管前瞻性。通過對機器學習智能模型的持續(xù)訓練和優(yōu)化，可預見未來可能發(fā)生的可疑交易，打通反洗錢監(jiān)管滯后性和被動性的痛點與堵點。

近年來，百度金融、財付通、螞蟻金服等互聯(lián)網金融公司積極嘗試在反洗錢領域引入機器學習等新興技術，創(chuàng)新打造基于機器學習的智能模型引擎，并在實踐中凸顯傳統(tǒng)規(guī)則引擎難以企及的監(jiān)測效率與精準性。比如，百度金融在可疑交易監(jiān)測方面系統(tǒng)化深度提煉各類商戶和自然人客戶的可疑交易特征，用來識別疑似套現(xiàn)、賭博、地下錢莊等異常交易。同時，在傳統(tǒng)監(jiān)測規(guī)則的基礎上進一步引入機器學習算法，構建具有性能自優(yōu)化、閾值自調整、高特征維度等諸多優(yōu)勢的智能模型引擎，并設計出涵蓋交易地點、時間、集中度在內的大量維度特征庫。百度金融還將客戶風險評估因素分為靜態(tài)因子（主要為客戶基本信息）和動態(tài)因子（主要為客戶交易行為記錄）兩大類，后續(xù)還將從客戶個人興趣、消費水平、人生階段等方面進一步開展風險評估分類。螞蟻金服在引入機器學習技術方面與百度金融齊頭并進，它充分依托企業(yè)自身的高性能數(shù)據(jù)庫和云計算平臺優(yōu)勢，一方面，運用大數(shù)據(jù)關系網絡，直觀展現(xiàn)客戶資金鏈路，實現(xiàn)洗錢風險的快速定位和識別；另一方面，智能甄別審查，基于機器學習智能模型自主學習甄別專家經驗，對可疑交易報警案件自動分析，從而促進甄別審查效率提升。

區(qū)塊鏈應用：實現(xiàn)反洗錢信息共享與追蹤溯源

區(qū)塊鏈是點對點傳輸、分布式數(shù)據(jù)存儲、共識機制等技術在數(shù)字時代的創(chuàng)新應用。區(qū)塊鏈技術一方面依托分布式架構，與多方安全計算等隱私計算平臺協(xié)同聯(lián)動，形成分布式安全計算，在面對與日俱增的海量數(shù)據(jù)計算需求的形勢下，可確保數(shù)據(jù)的快速計算乃至實時共享；另一方面，各參與方的權利平等，共享數(shù)據(jù)從采集、交易、流通每一步記錄均留存于區(qū)塊鏈上，從而充分確保數(shù)據(jù)信息的質量與安全。

區(qū)塊鏈技術可以直擊反洗錢兩大痛點：一是追蹤和堵塞不法分子利用反洗錢義務機構間信息壁壘的漏洞，實施跨區(qū)域、跨機構的資金轉移，從而使義務機構可疑交易監(jiān)控的難度大幅降低；二是區(qū)塊鏈系統(tǒng)可以確保信息的機密性，實現(xiàn)數(shù)據(jù)不可篡改，降低反洗錢過程中的信息泄露風險，實現(xiàn)隱私與數(shù)據(jù)保護。

大數(shù)據(jù)應用：實現(xiàn)反洗錢穿透式監(jiān)管

大數(shù)據(jù)的重要應用價值在于通過云計算、分布式數(shù)據(jù)挖掘、AI等新興技術，加工整合多維度數(shù)據(jù)資源，洞見海量數(shù)據(jù)蘊含的價值，以有效提升風險防控、市場營銷、流程優(yōu)化等精準決策力。大數(shù)據(jù)賦能反洗錢效應重點體現(xiàn)在以下幾點。

實現(xiàn)可疑交易監(jiān)測智能化、精準化。大數(shù)據(jù)通過分析多種渠道、眾多維度的海量客戶信息，將賬戶交易情況與可疑交易監(jiān)測模型匹配并進行預警。此外，人工智能技術可根據(jù)客戶歷史軌跡比對其行為特征，進而洞察鎖定洗錢罪行，彌補傳統(tǒng)監(jiān)測模式“模型篩查+名單監(jiān)控+人工甄別”的不足。

實現(xiàn)客戶盡職調查“風險穿透”。金融機構可以構建反洗錢大數(shù)據(jù)綜合分析平臺，對內外部數(shù)據(jù)進行清洗、合并、轉化及整合，實現(xiàn)數(shù)據(jù)的標準化、結構化入庫，重塑業(yè)務中臺、數(shù)據(jù)中臺等IT架構，從而為客戶信息收集、真實性核驗、反洗錢名單自動篩查提供系統(tǒng)化、平臺化數(shù)據(jù)查詢、監(jiān)測、預警等一系列功能。

實現(xiàn)最終受益人的大數(shù)據(jù)“風險穿透”。運用大數(shù)據(jù)技術體系中的自然語言處理技術，可實現(xiàn)海量內外部數(shù)據(jù)的機器學習、深度學習及自動識別，通過對關聯(lián)企業(yè)交易流水賬單、輿情等數(shù)據(jù)的整合與清洗，依托提取算法TF-IDF、集成模型、深度神經網絡分類模型等人工智能技術，模擬實現(xiàn)各類文本信息的智能識別，迅速鎖定隱形關系路徑下的最終受益人。

生物識別技術：拓展客戶身份認證途徑

與傳統(tǒng)身份識別技術相比，生物識別具有不易偽造或被盜、隨身“攜帶”、隨時隨地可用等一系列優(yōu)勢。在反洗錢身份識別過程中，生物識別技術的運用對于冒用身份、同一人辦理業(yè)務等異常情況均能有效識別，可以準確有效地簡化認證流程、提升身份識別準確性。此外，身份識別技術可與大數(shù)據(jù)技術進一步融合，基于模型分析結果及時啟用多種智能身份核驗手段，提升洗錢風險實時管控效能。例如，京東金融運用多種生物識別技術開發(fā)了客戶信息收集與驗證、KYC流程的反洗錢模型；蘇寧金服集團在反洗錢客戶身份識別中引入生物識別技術，完成了用戶的大數(shù)據(jù)畫像，實現(xiàn)了立體化的客戶信息呈現(xiàn)。

金融科技賦能反洗錢數(shù)字化轉型的趨勢與目標

各金融機構應將提升反洗錢科技水平作為未來的優(yōu)先發(fā)展方向，緊盯金融科技發(fā)展新動態(tài)，充分運用金融科技新成果，構建“信息動態(tài)感知、數(shù)據(jù)精準分析、業(yè)務智能支撐”的反洗錢監(jiān)管格局。

本文從穿透式監(jiān)管（Penetrating Regulatory）、流程全覆蓋（Process Full Coverage）、監(jiān)測性能優(yōu)化（Performance Optimization for Monitoring）、數(shù)據(jù)采集平臺建設（Platform of Data Acquisition）、私有鏈與聯(lián)盟鏈應用（Private Block Chain & Consortium Block Chain）和決策引擎程序設計（Procedure Design for Decision Engines）六個方面提出“6P框架”，對金融科技賦能反洗錢數(shù)字化轉型予以說明。

穿透式監(jiān)管：以立體化穿透式監(jiān)管全面提升客戶身份識別的精準度

未來，在反洗錢客戶身份識別中，將重點建立多種金融科技手段協(xié)同聯(lián)動機制，實行立體化穿透式監(jiān)管。一是依托多模態(tài)生物識別技術，最大限度實現(xiàn)“人證合一”，為資金交易打上發(fā)起者的唯一身份標記。二是對區(qū)塊鏈、多方安全計算及密碼算法技術融合運用，探索客戶身份識別信息的分布式存儲和認證共享，構建安全便捷的多元化身份認證體系，進一步提升金融交易過程的可追溯性和報文管理的規(guī)范性。三是引入大數(shù)據(jù)挖掘技術，全方位收集與解析客戶社交關系、交通出行、網絡平臺消費等多維度場景數(shù)據(jù)，更加精確地描繪客戶“全息畫像”。四是依托知識圖譜的關聯(lián)分析、網絡分析等認知技術，深度挖掘洗錢犯罪日趨集團化背景下客戶間的關聯(lián)關系，實現(xiàn)穿透識別。

流程全覆蓋：構建基于全流程的資金監(jiān)測體系

數(shù)據(jù)是可疑交易監(jiān)測的基礎，是反洗錢的生命線。然而在現(xiàn)行反洗錢監(jiān)管模式下，一方面，底層數(shù)據(jù)量不足，且數(shù)據(jù)質量不高；另一方面，非結構化數(shù)據(jù)處理存在嚴重短板，難以挖掘數(shù)據(jù)價值，嚴重掣肘反洗錢監(jiān)測質效。未來，在金融科技的強勁賦能下，可運用大數(shù)據(jù)技術串聯(lián)多方系統(tǒng)，直擊內外部信息壁壘的痛點，多渠道采集海量客戶信息；可引入API（應用程序編程接口）技術，構建主體洗錢行為監(jiān)測模型，通過對全息數(shù)據(jù)的挖掘和處理預測主體洗錢行為活動周期，洞察主體的社會關系；可探索應用社區(qū)挖掘算法，進一步推動由“經驗主義”主導的模糊分析反洗錢方式向“數(shù)據(jù)驅動”“主體畫像”主導的精準治理反洗錢方式變革。

監(jiān)測性能優(yōu)化：建立可疑交易監(jiān)測模型性能優(yōu)化機制

監(jiān)測標準是有效識別可疑交易線索的核心業(yè)務邏輯與手段。目前，監(jiān)管政策、案例特征以及風險提示仍是各金融機構自主定義可疑交易監(jiān)測標準的主要來源，在鎖定關鍵疑點、匹配業(yè)務特征的模型體系構建中仍存在誤報、漏報風險。未來，可探索運用機器學習等技術，及時追蹤新型洗錢犯罪模式，實時更新異常交易行為規(guī)則，通過進一步納入交通出行、消費習慣及深度衍生信息等監(jiān)控模型特征，擴展可疑交易監(jiān)測字段，提升可疑交易模型的準確性。

數(shù)據(jù)采集平臺建設：探索開發(fā)數(shù)據(jù)主動采集平臺

隨著數(shù)字經濟的迅猛發(fā)展，反洗錢監(jiān)管系統(tǒng)被動接收數(shù)據(jù)信息的弊端日益凸顯，構建實時、主動提取數(shù)據(jù)的系統(tǒng)平臺的需求變得更加迫切，依托人工智能模型對組織架構、內控制度及客戶信息等領域的洗錢風險管理漏洞進行識別，可實現(xiàn)及時監(jiān)管、精準監(jiān)管的目標。同時，可優(yōu)化反洗錢資源配置，向高風險領域投放更多反洗錢資源，并主動發(fā)起預警，力爭實現(xiàn)降本增效的目標。

私有鏈與聯(lián)盟鏈應用：培育私有鏈、聯(lián)盟鏈推進信息共享

通過建立私有鏈與聯(lián)盟鏈實現(xiàn)區(qū)塊鏈技術賦能反洗錢信息共享，有望成為未來重點。金融機構內部不僅可以將客戶作為獨立節(jié)點構建私有鏈（專有鏈），金融機構、監(jiān)管機構之間還可以打造聯(lián)盟鏈。聯(lián)盟鏈成員應覆蓋中國人民銀行、銀保監(jiān)會、證監(jiān)會及各類銀行機構、保險機構、證券機構。與公有鏈相比，聯(lián)盟鏈在性能、可用性、可編程性和隱私保護上均頗具優(yōu)勢。此外，可采用跨鏈技術推進私有鏈與聯(lián)盟鏈的融合對接，通過接口將私有鏈上相關數(shù)據(jù)信息傳輸至聯(lián)盟鏈，實現(xiàn)私有鏈到聯(lián)盟鏈的區(qū)塊鏈賬本間數(shù)據(jù)同步。

決策引擎程序設計：依托機器學習技術創(chuàng)新推廣模型引擎與規(guī)則引擎深度融合的混合引擎結構模式

當前的反洗錢監(jiān)測評估主要基于機器學習模型引擎，較傳統(tǒng)規(guī)則模型引擎而言，其有效性在實踐中得到了初步印證。常見的引擎結構模式如下。

串行引擎。在該模式下，主流仍是基于傳統(tǒng)策略方法的規(guī)則引擎，監(jiān)測規(guī)則、基礎算法、量化指標體系發(fā)揮關鍵作用，模型引擎則充當配角，僅僅起到輔助作用。串行引擎模式下，對包括規(guī)則、算法、數(shù)據(jù)映射關系在內的底層結構無需全面調整改造，是最易實現(xiàn)的一種引擎結構模式。

并行引擎。并行引擎模式下，規(guī)則引擎、模型引擎并駕齊驅、同時使用。并行引擎特點明顯：一是規(guī)則引擎、模型引擎的決策權重可根據(jù)新技術應用能力、風險環(huán)境變化、監(jiān)管環(huán)境變化等因素靈活調整；二是規(guī)則引擎與模型引擎協(xié)同聯(lián)動、優(yōu)勢互補，反洗錢風險防線更加嚴密。

混合引擎。該模式是未來反洗錢監(jiān)測系統(tǒng)最為理想的結構模式，規(guī)則引擎與模型引擎深度融合，基于各類機器學習技術對人工判斷進行補充，綜合內部數(shù)據(jù)與外部信息，進一步提升反洗錢系統(tǒng)的有效性。

金融科技賦能反洗錢數(shù)字化轉型面臨的挑戰(zhàn)

隨著數(shù)字經濟新時代的悄然來臨，洗錢風險防控已然演變?yōu)榭萍硷L控與洗錢手段的較量。然而，金融科技賦能反洗錢仍處于起步探索期，無論是監(jiān)管理念、規(guī)劃布局、資源配置，還是架構體系、治理機制、風控格局，都與金融科技創(chuàng)新應用的要求存在一定差距，金融科技與反洗錢監(jiān)測監(jiān)管的廣泛對接與深度融合依然任重道遠。

本文從戰(zhàn)略規(guī)劃（Strategic Planning）、數(shù)據(jù)標準（Standard of Data）、監(jiān)管沙箱（Sandbox of Regulatory）和信息安全（Security of Information）四個方面提出“4S框架”，具體論述金融科技賦能反洗錢數(shù)字化轉型的挑戰(zhàn)。

頂層制度設計與戰(zhàn)略規(guī)劃缺位。當前，金融科技在反洗錢領域的運用尚缺乏統(tǒng)一標準，各地區(qū)、部門、單位應用形態(tài)各異，解決方案和開發(fā)標準不一、規(guī)則不同，其無序發(fā)展不僅會導致重復建設，而且將嚴重掣肘金融科技的賦能效應。

數(shù)據(jù)孤島與數(shù)據(jù)標準不一問題突出。擁有海量多維度大數(shù)據(jù)是金融科技賦能反洗錢的前提和基礎。但金融機構仍存在“數(shù)據(jù)孤島”與信息壁壘問題，難以通過金融科技進行整合關聯(lián)，進而洞察可疑交易線索。此外，雖然銀行、證券、保險、支付等行業(yè)的數(shù)據(jù)接口規(guī)范及大額和可疑交易報告報送接口規(guī)范均已出臺，但對金融機構而言，產出數(shù)據(jù)接口的過程中存在諸多不確定性，使得最終數(shù)據(jù)提取結果與反洗錢監(jiān)控期望仍有偏差。

金融科技應用衍生新型技術風險需要沙箱防護。金融科技的發(fā)展屬性天然蘊含著技術風險，其評估往往需要較長時間、較大范圍的沙箱測試。金融科技本身蘊含價值判斷，如何避免監(jiān)管套利等問題是金融科技公司時刻需要關注的課題，特別是要注意避免新型道德風險。

網絡信息安全管控難度倍增。金融科技在融合應用過程中，金融信息安全面臨全新挑戰(zhàn)。隨著反洗錢監(jiān)管部門和金融機構對個人及企業(yè)數(shù)據(jù)需求的廣度與深度不斷拓展，在數(shù)據(jù)采集、流轉、聚合和分析的過程中，監(jiān)管機構和金融機構應將保障數(shù)據(jù)信息安全性放在突出位置。然而，目前我國的國家和行業(yè)數(shù)據(jù)安全保障體系尚不完備，因而反洗錢監(jiān)管部門協(xié)調各數(shù)據(jù)提供單位建立數(shù)據(jù)交易交換渠道的方案仍存在不少挑戰(zhàn)。

金融科技深度賦能反洗錢數(shù)字化轉型的路徑與策略

本文遵循上述“4S框架”，分別從戰(zhàn)略規(guī)劃、數(shù)據(jù)標準、監(jiān)管沙箱和信息安全角度，闡述金融科技深度賦能反洗錢數(shù)字化轉型的路徑與策略。

戰(zhàn)略布局金融科技應用發(fā)展規(guī)劃藍圖。包容審慎地統(tǒng)籌規(guī)劃金融科技在反洗錢領域的布局，制定長期發(fā)展規(guī)則，并漸次推出相關實施細則。梳理、調優(yōu)反洗錢監(jiān)管部門、金融機構、金融科技公司之間的作用鏈條，將金融科技工作機制整合到傳統(tǒng)的反洗錢監(jiān)管體系之中。推進各維度主體協(xié)同合作，除自建金融科技部門外，還可加強監(jiān)管部門、金融機構和第三方金融科技公司的協(xié)同，節(jié)約研發(fā)成本。

強化監(jiān)管信息合作與數(shù)據(jù)標準治理機制。反洗錢監(jiān)管部門應依托反洗錢監(jiān)測二代系統(tǒng)大數(shù)據(jù)綜合平臺，發(fā)揮與整個金融業(yè)的數(shù)據(jù)連接優(yōu)勢，加大與央行征信系統(tǒng)以及司法、稅務、海關等相關部門信息系統(tǒng)的互通互聯(lián)。推進監(jiān)管規(guī)則數(shù)字化共性標準和統(tǒng)一數(shù)據(jù)元，積極參與國際技術標準制定。同時，金融機構還應建立一體化的反洗錢數(shù)據(jù)管理機制，確保系統(tǒng)之間推送數(shù)據(jù)的及時、完整和準確。

運用“監(jiān)管沙箱”等方式鎖定科技外溢風險。樹立金融科技安全發(fā)展觀，由行業(yè)主管部門和反洗錢監(jiān)管部門聯(lián)合履行對金融科技公司的標準制定、技術方案審查和反洗錢監(jiān)管效果持續(xù)評估等職責。綜合運用“監(jiān)管沙箱”、設立創(chuàng)新指導窗口等方式，構建金融科技在反洗錢應用領域適應度、匹配度和成熟度的監(jiān)測評估系統(tǒng)，提升金融科技應用的可靠度和可信度。

構筑立體化反洗錢數(shù)據(jù)信息安全防線。強化數(shù)據(jù)使用權限管理，大力推進配套機制建設，明確劃分反洗錢數(shù)據(jù)在使用、交換和共享全流程中參與者的責任與權利。切實保障金融數(shù)據(jù)交換的安全，建立相應的安全認證體系，強化安全策略與訪問控制，從而有效防范數(shù)據(jù)被篡改和泄露的風險。