反洗钱形成可直接变现的社工库 再转卖给黑产中游

长期以来，非法洗钱活动对国际安全和世界金融体系造成了极大的危害，是全球各国重点打击的犯罪行为。作为国内智能分析决策领域的领军企业，同盾凭借丰富的金融风险攻防经验，将自主可控的大数据、人工智能等技术运用于反洗钱解决方案中，助力监管科技和金融行业，推动金融监管和科技创新的深度融合。

近日，央行官网发布中国人民银行、中国银保监会、中国证监会关于《金融机构客户尽职调查和客户身份资料及交易记录保存管理办法(修订草案征求意见稿)》，对金融机构及支付机构的反洗钱责任作出更加详细的要求。据介绍，《办法》扩大了适用范围，增加非银行支付机构、网络小额贷款公司、银行理财子公司等从事金融业务的机构。

结合不久前最高人民检察院、中国人民银行联合发布的6个惩治洗钱犯罪的典型案例，不难看出，国家对反洗钱的监管保持重拳出击的高压态势。此前，央行建立了风险评估和执法检查“双支柱”反洗钱监管体制，2020年度对614家金融机构、支付机构等反洗钱义务机构开展了专项和综合执法检查，依法完成对537家义务机构的行政处罚，处罚金额5.26亿元。同年，全国检察机关共批准逮捕洗钱犯罪221人，较2019年上升106.5%。

洗钱手法迭出 加剧业务痛点

当前，洗钱犯罪分子利用网络交易洗钱成为常态。网络洗钱不用透露真实信息、全球化程度高、隐匿性强、成本低廉、不间断交易、受众广，相关机构在反洗钱的有效性与效率上面临以下难点：

1、身份信息难核验

不同于客户本人亲自到从业机构窗口办理业务，网络交易场景下，从业机构的客户身份识别风险较大。洗钱团伙从非法渠道购买黑产盗取的身份信息，通过伪造、包装等方式，隐藏自己真实身份后进行网络交易。黑产交易流程大致可分为：

上游：一般是职业黑客，他们会主动寻找“含金量”较高的网站，通过挖掘漏洞、编写木马等方式实施入侵，盗取数据。再通过“拖库”、“撞库”等技术挖掘和清洗数据，形成可直接变现的社工库，再转卖给黑产中游;

中游：信息中介商，这些团伙通过购买上游流转过来的数据，进行必要整合和打包，再转卖给下游从事欺诈犯罪活动;

下游：支撑黑色产业链各种周边的组织，如洗钱、盗卡盗刷、套现等团伙。

2、交易隐蔽难识别

随着支付手段的更新、区块链等技术的应用，传统的货币洗钱形式已经逐步淡出人们的视线，取而代之出现了很多新的洗钱犯罪手法，如利用虚拟货币、数字货币等进行交易，例如比特币在暗网非法信息贩卖的使用，这类操作方式的隐蔽性越来越强，跨境特征越来越明显，这也加大了反洗钱监管部门的追踪及查处难度。

3、数据孤岛与数据安全“隐患重重”

目前各机构之间的系统互不联通，机构的所有数据被封存在各自系统中，数据缺乏有效整合，这就使得大量数据被割裂开来，成为一个个信息孤岛。信息的共享、反馈难，例如联邦学习等可支撑数据交换安全的技术还没普及，大量有价值的数据资源不能发挥更大作用。众多机构只能利用其自有的基本数据进行浅层次的分析，无法关联识别出洗钱团伙的可疑交易。

此外，部分机构缺乏有效的科技手段，运用传统规则的经验式反欺诈模型已无法应对日益演进的欺诈模式和欺诈技术，数据库信息安全面临严峻威胁。

同盾智能反洗钱解决方案 构建反洗钱安全防线

通过持续关注国家反洗钱的监管动态和政策，以及对监管部门和主体机构的反洗钱实操进行调研分析，同盾聚集反洗钱领域相关的行业顶尖专家资源，结合多年服务金融客户服务的经验以及反洗钱实践，推出了智能反洗钱监测分析解决方案，在持续的技术迭代升级后，针对反洗钱领域各类疑难杂症的“药效”愈加显著。

该解决方案结合大数据分析处理、数据交换、知识图谱、决策引擎、实时计算等技术，实现客户KYC和CDD的全流程管理、专家规则+机器学习模型+知识图谱多管齐下，可有效识别大额和可疑案件，代替传统基于规则和人工审核的反洗钱模式，提升报送的及时性、准确性，降低主体机构反洗钱管理合规成本，整体解决方案框架如下：

1、数据为先，搭建反洗钱体系知识库

建立涵盖客户身份、行为信息、风险状况、交易环境和关联关系的反洗钱体系知识库，夯实反洗钱监测分析的数据要素基础，反洗钱知识库内容包括个人和企业的实体、基础关系和挖掘关系、特征标签、案件库、反洗钱黑灰名单、规则和策略，为反洗钱监测和场景应用提供知识支持。

技术层面，基于同盾数据平台的数据质量分析、维度探查、数据图谱等组件，实现反洗钱体系知识库数据标准化和可管理，通过批流一体的数据接入、实时计算技术，满足知识库前置排查、后置分析、集成对接业务流程。

2、客户KYC和CDD全流程管控

结合行业实践和监管要求，融合内外部多维度数据要素，刻画多维客户身份信息、交易和资金链路、风险特征标签、关联关系图谱，从个体和关系的视角对客户进行全面洞察;综合考虑客户身份、行业、地域、行为等风险因子，建立客户反洗钱准入及动态评级模型，实现客户的分类管理及精细化运营，帮助主体机构建立差异化的监测和防控机制。

非自然人方面，通过股权、投资和任职关系，构建受益所有人识别模型，输出名单和受益人风险画像，实时对接客户准入流程，提供信息辅助和交叉检验，提高识别精确度和工作效率，建立触发事件式预警机制，持续监测和提示受益所有人变动，定期高效完成受益所有人排查和持续识别工作。

3、可疑交易监测模型预测及图谱分析

可疑交易监测分析的趋势是智能化，同盾综合利用机器学习在特征提炼和规律学习的优势，基于海量数据驱动，融合反洗钱专家规则，通过XGBoost、KNN、RF、GBDT等机器学习算法，构建疑似毒品犯罪、疑似恐怖融资、疑似地下钱庄、贪污受贿识别等模型，解决反洗钱细分场景中案件识别问题，针对洗钱手段更新变化快的客观现实，在特征衍生环节，同盾使用自动化特征生成工具(如Featuretools、CNN、LSTM等)进行特征衍生，开发挑战者模型组，智能化调整模型决策比例，实现业务模型的自我迭代和选择，以应对不断翻新的洗钱特点和手法。

利用同盾云图-知识图谱，自动化构建客户关系网络、资金交易网络和交易环境关系网络，有效识别异常交易结构和关键节点，进而挖掘可疑风险群体，并对高风险群体进行重点排查和处置。与此同时，增强非对面交易的反洗钱监测能力，从客户交易环境角度辅助识别反洗钱风险。

4、可疑案件溯源分析及串并案处置

可疑案件需要溯源关联历史交易进行深入分析，并进行串并案相关的归并处置，甄别无误后才能报送人行，排查的难点在于人工补录识别造成可疑交易的迟报和漏报，避免蕴藏洗钱风险。

同盾在满足排查流程和合规监管报送外，通过模型和特征发现，为案件分析和风险识别提供分析工具，使得排除和判断分析更加充分、合理。设计的异常特征涵盖行业、地区、资金流和关联关系;多轮回溯技术帮助构建完整资金链条，识别链路中的关键节点;通过串并分析技术，对案件主体的直系亲属、核心联系人进行串联合并挖掘，全面严谨地确认涉嫌洗钱犯罪的行为。

5、创新升级现有反洗钱技术架构

智能反洗钱监测分析体系集成大数据平台、特征计算平台(实时及离线)、洗钱标签体系、分布式图数据库，突破存储和算力瓶颈，弥补传统反洗钱监测体系的核心短板，为主体机构和监管部门反洗钱实施提供创新工具和平台。提升反洗钱数据和功能输出能力，将相关业务系统纳入反洗钱的监测范围，拓展反洗钱监测外延，为全客户、全交易、全场景的反洗钱监测提供了技术可行性。

当前，国家相关部门对于反洗钱的监管越来越严，一方面透露出国家对反洗钱工作的日趋重视，另一方面也暴露出洗钱犯罪行为愈发猖獗。结合人工智能、云计算等技术，同盾打造的智能反洗钱解决方案，符合国家监管所需，更符合金融机构开展反洗钱业务所需。

标签： 反洗钱