西安银行：人工智能技术在反洗钱监测分析中的运用

西安银行：人工智能技术在反洗钱监测分析中的运用本站　　随着金融交易量的快速增长及金融创新业务（产品）的不断上线，洗钱犯罪活动进一步呈现出多样化、隐蔽化的新趋势

　　随着金融交易量的快速增长及金融创新业务（产品）的不断上线，洗钱犯罪活动进一步呈现出多样化、隐蔽化的新趋势。在客户身份识别、异常交易筛选、涉罪类型判断等方面，单纯依靠经验规则的反洗钱工作流程，已无法满足新形势下的工作要求，且与强监管、严处罚的政策态势也不相适应，反洗钱工作面临着巨大的挑战。

　　同时，据相关资料统计显示，目前金融机构的反洗钱监测所产生的交易预警案例中，90%甚至95%以上都为误报。金融机构如何采取更好的技术方法，对其海量数据规模、多样数据类型进行专业化处理，成为破解监测分析工作难点，提升反洗钱工作效率和准确性的关键。

　　现在，国内许多银行正在从基于规则的软件系统转向基于人工智能的系统开发，利用包括优化监测指标、提高数据收集、智能筛选、交易监测能力等人工智能技术手段，为反洗钱工作赋能。西安银行积极探索AI人工智能技术，在反洗钱集成数据收集、交易筛选监测方面的使用，尝试建立一个多元化、智能化的反洗钱监控“天网”，以提高反洗钱工作质效。

　　自2019年初，西安银行与深圳追一科技公司历时6个月完成“反洗钱AI智能监测系统”的需求讨论和立项，并同期开始系统项目开发，当年11月份一期功能上线试运行。

　　“主体画像”功能模块为系统的主菜单。通过对大量客户信息数据、交易数据进行加工，分析判断其交易的合理性，旨在对案例主体形成度的识别结果，在最短时间内让监测分析人员对该主体进行全面而又直观的了解。并把最核心的特征字段进行了标签化展示，生成包含主体相关重要信息的案件概述。

　　“主体画像”对可疑置信度为60%~100%的案例主体的“主体特征”和“交易特征”进行了选择性展示，涵盖交易概况、交易渠道、交易对手、交易地点等关键要素，对数据有效融合和利用，充分发挥数据的价值。（可疑置信度代表系统模型对于该主体可疑程度的估算，数值越高代表该主体越可疑。）

　　“规则管理”功能模块为系统的隐藏菜单。在可疑交易识别中，运用机器学习技术学习过去已有的可疑案例，全方位提取与洗钱行为关联的信号，结合“专家规则“和数据计算，建立的“智能规则模板“，用于展示案例主体对于反洗钱场景下特定规则模板的触发情况。规则模板包含疑似套现、疑似毒品、疑似等涉罪类型，同时在每项规则模板下再设置若干项指标，通过规则触碰功能，能有效帮助监测人员分析案例的涉罪类型和可疑程度。

　　目前系统包含夜间交易、第三方支付等26个指标，监测分析人员可以通过规则库页面的模板管理功能，将系统已有的指标进行组合，配置成为不同的规则模板。规则模板作为指标的集合，可以适用于甄别不同反洗钱犯罪形式。当同一指标被添加至不同的规则模板中时，可以设置不同的阈值以适配不同的模板所对应的场景，并基于规则模板中不同特征的权重，挖掘出具有地域和行业属性的洗钱套路，帮助监测分析人员进行反洗钱的认知拓展。

　　任务列表是反洗钱生成案例的总览，用于监测分析人员内部的任务分配以及案例状态的追踪。所有案例默认以“待审核”状态展示，经过审核后变为“已排除”或者“已上报”，沉淀至列表底端。该功能支持监测分析人员进行审核意见的修改，以及历史主体画像的简化展示。

　　名单维护功能包括：监控名单、白名单、身份属地、干扰账号等内容。其中监控名单作为系统指标中的“致命规则”，直接通过已确认上报的可疑交易案例主体的关联交易对手进行识别，扩大监测的覆盖范围，精准勾勒资金交易链条。名单维护中的身份属地功能，是通过身份证号码识别案例主体的身份属地，用于涉恐资金交易的分析识别。

　　2019年初，西安银行与深圳追一科技公司接洽，历时6个月完成“反洗钱AI智能监测系统”的需求讨论和立项，并同期开始系统项目开发，当年11月份一期功能上线试运行。

　　阶段一：系统可行性分析及需求梳理。西安银行反洗钱中心2017年成立，通过大量的可疑交易监测分析，对于非法、非法集资、电信等涉众型犯罪识别积累了一定经验和数据资料。与科技人员经过多轮的沟通讨论，将人工经验、数据资料和人工智能技术充分结合，再不断的设计和修改，最终确定了在行内建设一套“反洗钱AI辅助监测分析系统”项目。

　　阶段二：数据及流程梳理。可疑交易监测的数据来自行内不同系统，需要在系统内部对各系统的数据进行梳理和整合，并确认统计口径。经过两个月的数据梳理，建立统一的数据仓库及数据接口，努力实现数据标准化及消除数据孤岛。依据历史上报案例主体特征，初步建立了人工智能筛查模型，对交易信息进行透彻解析，大幅提高可疑交易监测识别的精准率。

　　阶段三：智能筛查及分析审核。通过模型提炼出数十个机器学习的核心特征，再根据回溯周期的不同（1 天、10 天、20天、30天和60天）裂变为数百个特征。经过数据降维和模型训练后，系统引擎实现每天以跑批的形式对机构内所有发生交易的主体进行“可疑置信度”的输出，转化为支撑案例分析的佐证信息。

　　阶段四:系统开放及自我优化。将反洗钱AI智能监测系统开放给反洗钱中心业务人员。通过系统对可疑主体进行初次定位，形成案例提交至业务人员进行人工审核。系统的机器学习技术在业务人员使用过程中不断积累经验，每次人工填写案例意见，都可以视为是对机器学习模型的一次标注。也就是说，模型会“记住”每次人为决策的结果和促成该结果的数据集，通过循环往复的训练，模型本身的业务水平也在不断提高，实现自优化。

　　传统的反洗钱交易监测系统规则设置普遍运用“专家规则”来进行案例的筛选，如“交易频繁”规则，会设定例如【累计交易次数大于30次】这样的阈值，阈值的设定依赖主观性，阈值的调整本身也没有一个确定的标准。这就导致传统的“专家规则”在案例筛选方面容易出现漏洞，也是现在监测分析人员漏报、误报的原因之一。“专家规则”第二个短板则是阈值本身“一刀切”的性质，例如前面提到的交易频率定义，如果某主体在5天内的交易次数为29次，系统则不会将其筛选出来，但实际上这里“29次交易”与“30次交易”之间的区别并不应达到白与黑之间的反差程度，只不过规则阈值自身的性质造成了这种颇具争议的“二分法”效果，也是产生目前金融机构反洗钱监测预警案例中高达90%甚至95%以上误报率的主要原因。

　　人工智能可以有效弥补专家规则短板，使得反洗钱预警案例的甄别准确率大大提升。智能监测系统通过机器学习技术，摒弃了“规则”而引入“特征标签”这个概念，这些特征可以被理解为逻辑回归里的自变量，负责最终的可疑程度输出的精细度。与规则不同的是，机器学习模型有着强大的泛化能力，在特征的定义中不需要精确到具体数字。例如我们可以直接把“累计交易次数”作为一个特征，而不用去具体定义是多少次。通过数据分析、关联分析等技术手段，识别异常交易和关系图谱，然后从足够大的数据中列出特征量所对应的值，让系统从中建立一种规则，它能归纳出每个特征量所对应的值，然后可以给定特征量要求值，或是给定值要求找特征量。

　　人工智能还可以对通过”专家规则”无法识别的隐藏在正常贸易交易和低频转账交易中的可疑交易，通过机器学习提炼出识别的关键数据特征，进行分析计算实现有效识别。

　　反洗钱AI智能监测系统在进行数据处理时，能够对每日15-20万户左右的交易主体，通过算法模型赋予其相应的可疑置信度，而这个介于0%~100%之间的数值，可以被用来直观地表示一个案例主体“洗钱嫌疑”的大小。较为有效的解决传统系统规则“非黑即白”的方式可能产生可疑交易案例的少预警、多预警的情况。

　　“反洗钱AI智能监测系统”整合相关数据信息，以案例主体为维度，分析其身份特征、行为特征、交易特征、关联人员特征等信息，构建了集账户属性、交易特质以及资金网络的知识图谱，尽可能的还原洗钱场景，最终向监测分析人员较为直观的展示“客户主体画像”。

　　智能监测系统的机器学习技术，一方面可以在业务人员使用过程中积累经验自我进化，另一方面也可以通过特征泛化攫取新的业务规则点。反洗钱工作人员每次填写案例意见，都可以视为是对机器学习模型的一次标注；也就是说，模型会“记住”每次人为决策的结果和促成该结果的数据集，自动学习监测分析人员的分析思路，作为机器学习的辅助修正手段，全方位提取与反洗钱行为关联的信号，用以持续优化识别模型。通过循环往复的训练，模型本身的业务水平也在不断提高，无限趋近一名真正的反洗钱专家。

　　在启用智能监测系统前，经可疑交易模型规则过滤出的海量可疑交易，主要依靠人工进行审核，监测分析人员往往要通过多个系统、十多个报表，查看其身份信息、账户信息、交易信息、交易对手的关联性等，必要时还要通过工商企业公示系统、企查查等查询工具，尽可能多的获取相关信息，集合各方数据，甄别案例主体是否存在风险，交易是否正常，整个过程不但复杂而且耗时。特别是对一些交易多样，隐蔽性强的账户，可能会耗费几个小时或更久。

　　而处理海量的、非结构化的数据，恰恰是人工智能最擅长的领域。智能监测系统在数据搜索和整合方面效果表现突出，能够节省50%以上的人工数据分析工作量。系统通过技术手段，实现了在短短的几分钟内完成搜索、数据整合、形成图表、输出结果（可疑置信度），并自动生成可疑交易分析研判的文字描述，有效的提高了监测分析人员的案例处理效率。反洗钱中心将原本需要8个人力进行的案例处理工作，缩减为6个人力进行，节省部分人力成本。

　　在进行历史可疑交易回溯性识别时，各金融机构都会关注系统的计算能力和计算成本。目前智能辅助分析系统在数据存储方面会将最重要的120-150个目标主体所有可被检视之统计结果进行保存，而剩余的十来万数据进行数据冷备。即若需要查看某些非目标主体，系统即时进行统合计算，再输出到前端处，这使得反洗钱业务有效地降低了储存成本。

　　通过对4662户涉及工商异常名录的非自然人账户进行批量回溯排查测试，智能监测系统实现了在短时间（一天内）内完成历史数据的搜索、计算、并输出结果报表。

　　通过大数据挖掘、知识图谱等人工智能技术的逐步运用，构建更加智能的洗钱嫌疑主体的全息、立体画像，不但要包括客户的基本身份信息、账户信息、较为简单的交易信息外，还要涵盖交易链条、资金交易关系网络、对手特征、行为偏好、客户关系、风险标签等多项维度，精准识别洗钱网络和可疑特征网络。

　　探索引入可靠的第三方数据资源，为反洗钱工作提供更广阔的视角。系统实现可随时调用，及时查询到客户隐匿在机构之外的其他深度信息，作为反洗钱甄别研判时的强有力证明。