反洗钱任重而道远：AI算法仍处于摸索期

疫情期间，远程办公、无法与客户面对面，加大了金融机构反洗钱工作的难度。 虚假视频、虚假身份等欺诈活动挑战银行业金融机构的KYC策略。 事实上，近年来洗钱与反洗钱的斗争愈演愈烈。 洗钱的新趋势是网络化。 花样翻新后，比特币、聚合支付、网贷逃逸、跨境电商都可以成为洗钱手段。 反洗钱模型也相应迭代更新。

但是，人工智能在反洗钱方面的运用还处于探索期，与传统专家经验的规则引擎相比，还没有体现出明显的优势。

各种洗钱模式

虽然比特币洗钱在币圈已经是家喻户晓的秘密，但其中的风险有多大，却没有多少人知道。

3月23日，在中国互联网金融协会“洗钱新风险与反洗钱新应对”反洗钱公益活动中，中国计算机学会信息系统专委会委员李振兴、复旦大学中国反洗钱研究中心特约研究员提醒，比特币交易规模不容小觑。 例如，2019年12月31日，比特币24小时成交量达到235亿美元，相当于上交所成交量的72%，深交所53%，中交所24%。纽约证券交易所和纳斯达克。 32%。

通过比特币等虚拟货币洗钱在我国理论上是不可行的，因为根据2013年央行等五部委发布的《关于防范比特币风险的通知》，所有金融机构和支付机构均不得买卖比特币或充当中央对手方。 不得直接或间接为客户提供其他与比特币相关的服务，包括：为客户提供比特币注册、交易、清算、结算等服务。

中国不允许通过互联网支付和银行买卖比特币，但仍有漏洞可钻。 例如，美国财政部海外资产控制办公室（OFAC）今年3月初刚刚公布的案件显示，2018年4月朝鲜黑客窃取比特币后，两名中国人通过异地交换业务。 价值 3400 万美元的资金从银行账户转出，价值 140 万美元的比特币被转换成 Apple iTunes 礼品卡。

“虽然在国内不能碰，但有不法分子在境外用比特币支付结算，然后转入国内账户，国内金融机构不会知道。但实际上，国内金融机构作为发卡机构和结算收单机构，还是应该负法律监管责任。” 李振兴说道。

李振兴提到的另一个例子是2019年被福建省公安局抓获的“通宝支付”。该平台通过聚合第三方支付平台，合作为赌博、民间彩票等非法经营提供便捷的资金支付结算。银行和其他接口。 渠道成为不法分子的“资金结算中心”。

具体而言，该平台为赌博、欺诈网站等“商户”提供支付二维码或H5支付网页，将非法资金套取至其控制的其他平台账户，再通过在线支付平台提现至银行卡，从中提取资金。它。 2.5% 至 4% 的佣金。 最后，“通宝支付”将资金归集，返还给“商户”。 中介机构实际上是提供收款人与收款人之间的货币和资金划转服务，通过平台开户、发展代理、链接“商户”，形成资金通道。 该案涉及商户账户1214个，支付宝账户1342个，关联赌博网站2000余个，涉案金额高达28亿元。 警方最终摧毁了27个犯罪窝点，逮捕了95名团伙成员。

上述洗钱模式在国内已引起足够重视。

1月13日，公安部通报称，2019年，全国公安机关共破获网络赌博犯罪案件7200余起，抓获犯罪嫌疑人2.5万余人，查获、冻结涉赌资金180余亿元。

除了上述两种新型作案方式外，还有一种“赌博+电商+充值卡+线下实体店”相结合的场景，隐蔽性更强。 例如，哥斯达黎加的赌博网站5Dimes，通过引诱用户使用亚马逊礼品卡作为体育博彩资金，中奖者获得礼品卡作为奖励，或者让他们选择亚马逊官网的产品，以此作为洗钱的方式。

中国互金协会副秘书长何红英在上述活动中指出，当前利用新冠肺炎疫情消息进行的诈骗活动，是以往网络金融诈骗的延续，相关监控和阻断资金链通过反洗钱工具是成功防控缺失不可或缺的手段。

AI算法难以发挥优势

多年从事反洗钱工作的普华永道中国金融行业管理咨询总监李云在接受21世纪经济报道记者采访时表示，全球大部分银行都使用SWIFT系统进行交易涉及跨境贸易的结算，由各银行负责交易结算。 名单经过筛选，如果触发关键词，交易将被屏蔽。 跨境交易往往涉及企业、个人、金融机构等多个主体。 例如，汇款的发起人会通过发款银行向收款人的银行汇款，但在这个过程中可能会有多家代理银行。 这时，反洗钱不仅是发款银行的责任，串联起来的系列银行也应该承担这个责任。

李云表示，在反洗钱合规投入方面，各家银行的规模不尽相同。 他举例说，美国的大银行每年在这方面的投入大约几千万美元，包括技术和人员的投入，而国内四大银行每年大约几千万人民币，而城乡商业银行相对较低。 从人员配置上看，人员较多的大银行有百余人专职从事反洗钱工作，小银行只有几人到十几人。

针对不同的洗钱场景，反洗钱机构有一套成熟的模型判断。 大多数场景的共同特点是入池账户金额大，支付确认结算速度快。 例如，在传统的反洗钱场景监控中比特币买卖指标，连续3个工作日中有2天进行现金交易，日交易总金额超过17.5万元但低于20万元，且交易对象相同，它将由模型“密切关注”来识别。

反洗钱模型无法绕过的一个指标是误报率。 误报率通常是指在反洗钱过程中提交的可疑交易报告数量与系统产生的风险交易警告数量之比。

李云介绍，一般来说，金融机构会先通过建立反洗钱监测模型的方式，筛选出一些初步判断存在洗钱风险的交易。 涉及多笔或多对一交易，无论是高风险国家还是高风险客户。 但预警产生后，需要人工干预，根据客户更详细的信息，包括交易对手关系、负面舆论等，进行更复杂的尽职调查，最后提交可疑交易报告给金融监管部门，可以立案跟进。 系统警告了100笔交易比特币买卖指标，最终报告了5-10笔可疑交易，属于正常水平。 误报率反映了金融机构风险偏好和系统参数设置的合理性，是金融机构在效率和效益之间寻求平衡的结果。

李振兴表示，一般行业误报率高达95%。 麦肯锡报告称，通过引入AI手段，误报率可降低20%-30%，可大幅减少人员投入。 不过，多位业内人士指出，目前来看，规则模型仍是主导模型，AI模型为辅。