行业资讯

1月29日，中国人民银行拉萨中支首次公布了西藏金融科技创新控制工具的两个创新应用，其中一个是中国建设银行西藏分行申报的“交易风险控制服务基于洗钱风险分析”银行承担系统研发并提供金融应用领域，系统部署在建行总行，无第三方参与。

采用大数据、流式计算等技术，对洗钱风险进行实时分析鉴定

根据银行科技研究机构的说法，该项目旨在构建洗钱风险监测模型，使银行更有效率，准确识别洗钱风险，提高反洗钱水平。

创新应用关键应用三项技术。

首先，大数据技术。建行西藏分行基于客户授权，对内部数据（客户历史交易等）和外部数据（工商数据、司法诉讼相关数据、客户和区域黑灰名单等）进行清理和指标解决，丰富洗钱风险分析的数据维度。

第二，机器学习技术，如逻辑回归和决策山林。根据特征分析和样本培训构建洗钱风险监控模型，从而更准确地识别可疑交易和潜在洗钱风险客户。

三是流式计算技术。对客户交易信息进行实时分析解决，及时识别，发现潜在的洗钱风险，提高反洗钱工作的及时性。

这个应用的创新在于三点。

首先，在数据应用层面，重点分析司法诉讼数据中涉及洗钱的案件，完成多层次数据支持。

第二，在识别准确性方面，洗钱风险监测模型可以解决海量信息，产生更准确的风险参考结果。

第三，在效率方面，与传统模式下的统一处理形式相比，风险分析应用于实时分析客户交易信息等数据，有利于提高洗钱风险分析的及时性。

该项目的预期目标是提高中国建设银行西藏分行洗钱风险分析能力，检测交易普及率达到100%，识别准确率比人力提高40%左右；估计规模是对银行全部用户进行洗钱风险监测，年检交易笔数量约6000万。

风险点之一“由于非法方法的改变，洗钱风险监测模型结果的准确性会产生误差”预防措施是不断观察和跟踪模型结果，做好样品积累和模型算法验证，加强与内部反洗钱部门的沟通，不断总结整理违法案件，逐步优化模型参数，确保模型调整达到预期效果。

同时，加强人力监督，及时配置专属人员进行人工控制，确保模型结果的准确性。

洗钱方法更加复杂，科技赋予银行反洗钱工作权力

近年来，犯罪分子清理犯罪所得和利润作为合法收入的例子屡见不鲜。随着互联网技术在金融业中的应用和人工智能等高科技的发展，洗钱行为呈现出更加隐蔽、复杂和多样化的趋势。传统的反洗钱方法不能有效探索基于新兴技术的洗钱行为，也不能有效、准确地检查大量可疑交易。特别是跨国洗钱，进一步提高了反洗钱的难度。

此外，2019年国际反洗钱评估总体认可中国反洗钱工作的进展，但也强调存在不足，反洗钱监管的有效性、金融企业反洗钱水平等与国际规定仍存在一定差异。

因此，国家和监管部门对金融企业的反洗钱工作提出了更高的要求。

自2021年8月1日起，中国人民银行发布《金融机构反洗钱、反恐怖融资监督管理办法》，督促金融企业提高反洗钱水平，明确金融企业反洗钱组织结构、人力资源保障、反洗钱信息系统和技术保障要求。

2022年3月16日，中国人民银行召开反洗钱电视会议，提出推动反洗钱高质量发展；进一步完善反洗钱人才培养，提高反洗钱技术应用、宣传培训等基础工作的有效性。

显然，人才培养和科技应用将是反洗钱工作的关键方向。

据《银行科技研究社》掌握，多家国有银行、股份制银行、城市商业银行在反洗钱系统中探索使用大数据，AI，RPA等技术。

例如，基于大数据分析，工行开发了图表分析技术。其智能识别助手可以从多个方向分析客户账户的资产交易情况，提高异常客户分析的准确性和有效性。工行茂名分行应用智能反洗钱识别助手进行异常交易识别分析。可疑交易报告大幅增加，2020年报告数量较同期增长450%。

中国农业银行广东分行结合人工智能、图表分析、数据挖掘技术反洗钱检测模型研究，加强可疑账户资产交易监控评估，监控分析方法从单一账户分析到多层次链接交易对手综合研究，处理反洗钱监控分析工作面临数据岛、信息分散，不能有效跟踪异常资本流入。

在反洗钱工作中，兴业银行利用大数据平台打造客户“洗钱风险”肖像；建立检测模型实验室，完成对各种洗钱技巧的分析和检测；探索引入反洗钱RPA机器人，根据AMLRPAAI为了提高洗钱风险控制能力，促进业务数字化转型等效果，等技术融合。

北京银行引入大数据模式，建立分布式数据库。它还将参考银行间先进系统建设的经验，探索反洗钱数据市场、模型实验室、机器学习等方面。