Press "Enter" to skip to content

反洗钱智能监测分析平台

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

反洗钱:

 

是指预防通过各种方式掩饰、隐瞒毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪、贪污贿赂犯罪、破坏金融管理秩序犯罪等犯罪所得及其收益的来源和性质的洗钱活动的措施。

 

渊亭科技推出的反洗钱智能监测分析平台基于自主研发的“ 图计算、AI模型、规则模式 ”三大引擎,提供异常交易监测告警、异常交易回溯分析、客户风险评级、预警布控等能力,帮助金融机构实现客户全生命周期动态画像和风险分类、可疑交易事件穿透式监测、洗钱行为特征知识沉淀、洗钱风险事前预测,全方位升级洗钱风险管理能力。

 

一、现阶段金融环境对传统的反洗钱工作

 

带来两大方面挑战

 

01

 

洗钱交易行为甄别难度加大

 

非面对面交易占比增加、交易渠道多样性、交易环节更加复杂、交易数据剧增等场景特性让传统依赖人工甄别的反洗钱工作模式力不从心。

 

02

 

监管要求、处罚趋严

 

《国务院办公厅关于完善反洗钱、反恐怖融资、反逃税监管体制机制的意见》及相关配合关于反洗钱工作的政策陆续出台,标志着反洗钱工作已经上升到国家层面,同时监管机构加大对金融机构反洗钱工作的处罚力度。

 

二、用前沿科技手段,提升反洗钱能力

 

显然,在面对海量复杂的数据时,人类的处理和决策远落后于机器。借助人工智能等科技力量,可帮助资管机构提升合规水平与数据探索综合能力。

 

认知智能服务厂商渊亭科技针对合规成本高、误报率高、识别难度大、缺乏有效性和灵活性等行业痛点,设计推出“渊亭反洗钱智能交易监测分析平台”

 

 

平台综合利用机器学习在特征发现和规律学习的优势以及知识图谱在关联挖掘和知识计算方面的优势,基于海量数据驱动,融合反洗钱专家规则,形成可解释的、可自主学习的、可主动预警的自动化智能反洗钱应用。

 

致力于帮助资管机构实现客户全生命周期动态画像和风险分类、可疑交易事件穿透式监测、洗钱行为特征知识沉淀、洗钱风险事前预测等一系列目标。

 

01

 

机器学习提升异常交易监测与上报效率

 

机器学习是一种能够直接从数据中“学习”信息并建立规则的算法,它模拟人类大脑学习,通过数据处理、特征加工、模型训练与验证等工作程序完成模型的创建和优化迭代。

 

在反洗钱、反恐怖融资等合规领域,可以实现对人工风控分析、判断行为等规律的自动学习。 在异常交易识别中,渊亭反洗钱智能交易监测分析平台综合运用有监督和无监督的方法,学习过去已有的洗钱可疑案宗,全方位提取与洗钱行为关联的信号,结合规则引擎和图计算技术,建立综合离群点检测、时间序列预测、分类树和回归树等算法的“智能反洗钱模型”。

 

 

(异常交易识别技术思路)

 

基于“智能反洗钱模型”的异常交易识别引擎,甄别能力可以达到资深反洗钱专家95%的水平,可节省90%的人工核查成本,提升上报的及时性、规范性和有效性。 除此之外,由于机器学习模型成果在实际应用中具备持续学习的能力,因此随着训练次数的增加,机器的工作效率和对异常交易的判断准确性将逐渐提升,尤其满足互联网在线业务模式下的海量实时交易监测需求。

 

02

 

自研特征计算引擎反哺反洗钱知识库

 

人工智能技术是一项可迭代的系统工程,当可用于训练和学习的样本数据增多时,算法性能和模型精度可以得到相应提升。

 

目前,机器学习在反洗钱领域面临着特征量不够多、不够有效的问题,综合使用人工智能算法可以发现新型洗钱特征。

(平台业务应用)

 

渊亭反洗钱智能交易监测平台基于自研的“图计算、AI模型、规则模型”三大引擎,对有效洗钱信号和噪音具备很好的区分能力,能够自适应于不断变化的环境,灵敏侦测洗钱特征。

(渊亭反洗钱智能交易监测平台)

 

通过自动学习未知洗钱模式,平台能够不断衍生、拓展和规则化定义洗钱特征,形成洗钱特征知识沉淀,反哺反洗钱知识库。帮助资管机构迭代优化反洗钱规则体系,实现反洗钱监测闭环优化。

 

除此之外,平台自动生成可视化模型的决策结果和可解释的分析报告,将有助于反洗钱专家还原犯罪场景,帮助业务人员理解决策依据。

 

03

 

分类识别交易类型, 辅助上游犯罪监测

 

众所周知,洗钱与毒品犯罪、贪污贿赂、恐怖活动、违法走私、金融诈骗等许多严重刑事犯罪具有天然的联系。

 

渊亭反洗钱智能交易监测平台基于洗钱特征,运用多分类模型,可实现智能识别和分类洗钱交易类型。

 

 

(反洗钱固化模型、定制模型)

 

结合图计算挖掘算法,对基于内外部数据构建的异质关联关系图谱进行碰撞分析,可进一步穿透日趋复杂的犯罪活动和复杂对资金流动,不断扩大监测覆盖的范围,精准勾勒金融交易链条,完整展示洗钱及其上游犯罪主体关联关系,辅助重点可疑案件串并案侦查识别。

 

04

 

图谱关联分析精准定位可疑洗钱分子

 

跟传统的关系型数据库相比,图数据库的逻辑可以更好地解决绝大多数底层数据分析问题,特别是在面对海量关系数据时,图数据的数据逻辑维度要远高于关系型数据。

 

渊亭反洗钱智能交易监测平台的底层表达基于渊亭自研的大规模分布式图数据库DataExa-Seraph,其在关系查询性能、复杂多层级分析效率、机器模型算法支持度、可用性和并发能力等方面具备优势。

 

作为图数据库的应用场景,知识图谱提供了从“关系”的角度去分析问题的能力,通过深度图谱关联分析,能够进一步提高可疑交易甄别的准确性。

(异常交易账户关联分析)

 

更重要的是,知识图谱在穿透、关联和传导方面具有天然优势,尤其适用于利用多重身份、关联交易、跨行跨境转账等手段进行资金流转的反洗钱手段识别和犯罪团伙追踪。

(过渡账户资金流向模式分析)

 

首先,渊亭反洗钱智能交易监测平台通过将客户身份数据、行为数据、交易数据及其他外部数据通过知识图谱的方式进行表征,深度梳理和可视化呈现了复杂的客户关系特征网络和资金交易流转结构。

(交易关系分析)

(资金交易网络三维分析)

 

其次,结合聚类分析、关联分析、碰撞分析等多种图计算算法,在无目标的情况下发现未知的洗钱分子和行为特征,逐层计算可疑账户与已知犯罪账户间的关联关系(比如号码共用、同时出入某场所等等以往可能忽略的风险),深度挖掘相关的潜在洗钱关系分子或组织,可协助进行犯罪团伙角色定位(募资者、传话人、执行者等),识别隐匿的可疑洗钱分子身份。

(资金交易时序分析)

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注