金融科技時代的反洗錢問題研究

金劍

近年來，金融科技發展非常迅速，以人工智能、云計算、大數據、區塊鏈等為代表的創新技術全面應用于支付清算、借貸融資、財富管理等金融業務領域，成為金融行業在資產定價、風險決策、投資配置等業務中的重要應用技術手段。但與此同時，這些技術手段也使金融領域中各種違法犯罪活動擁有了新的手段和方法，其中在洗錢活動的表現尤為值得警惕。當然，新技術也為打擊新的違法犯罪活動帶來了增益的效果，使得風險控制在這個時代更為便利和直接。

科技時代背景中的反洗錢困境

金融領域復雜化

金融領域的復雜化問題主要有兩個特征，這兩個特征都與反洗錢問題有著緊密的聯系。

金融領域的交易數據被無限增大。金融科技的迅猛發展，帶來了海量的金融數據，其中金融交易中多頻次、高并發、巨額流量等金融數據的獨特性，使得洗錢活動在金融領域中存在廣闊的生存空間。金融科技新主流趨勢的出現，云計算、大數據等新技術手段不斷重塑傳統的以集中式架構為主的傳統金融業務，而分布式、去中心化網絡正是基于此被構建，其重要特征是突破去中心化、且無貨幣發行主體的限制。突出表現為以比特幣為代表的虛擬貨幣沒有中央服務器，具有分散性、匿名性和易設置的特點，在虛擬世界中進行存儲和交易。

虛擬貨幣交易在日本、美國、德國等重要經濟體被認可，在我國被禁止交易，但虛擬貨幣持有者仍然可以通過互聯網，使用密鑰匿名交換法定貨幣或商品交易，從而繞過貨幣當局的管控。虛擬貨幣快速、不可逆、全球通用的交易能力，使交易者可以很容易脫離受監管的傳統金融體系，獲取、傳輸和存儲以數字方式表現的資產，從而更便于混淆來源或目標，使人們更難確定犯罪嫌疑人的行為，增加了調查的難度。例如，美國沒有禁止虛擬貨幣交易，但引據美國財政部發布的一份稅收報告，加密貨幣廣泛地加劇了包括逃稅在內的各類非法活動，而且已經給有關部門的調查造成了很大的困難。

當前的金融領域交易更趨于隱蔽。這一點對于反洗錢等風險控制來講，違法犯罪活動明顯出現了難以追查的情況。尤其以當前盛行的虛擬貨幣為例。由于虛擬貨幣本身所具有的不記名形式，在目前的各個經濟領域內虛擬貨幣被廣泛而普遍地用于各種違法犯罪已是不爭的事實，其中以洗錢活動為代表。同時，金融科技中依托區塊鏈提供的智能合約等新型金融交付方式，在實現遠程支付行為時意味著在沒有第三方信任的情況下進行合約執行，因此根本無法追蹤服務器位置和資金流向，給反洗錢工作帶來了極大的困難，也大大增加了追蹤虛擬貨幣交易主體的難度。

早在2015年，歐洲刑警組織報道，在以比特幣為代表的數字貨幣之間非法交易中，僅有40%的罪犯被檢測到。為此，歐盟當局專門在歐洲刑警組織內建立一個專門打擊以比特幣為代表的數字貨幣洗錢犯罪的專屬部門。另據2018年澳大利亞的一項調查顯示，大約近一半的比特幣交易與色情、毒品等非法活動有關。此外，據研究人員估算，有2700萬比特幣市場參與者主要出于非法

目的使用比特幣，這些用戶每年進行約3700萬筆交易，截至2021年1月，比特幣流通總量達185.88萬個，總價值為5447億美元，由此可見虛擬貨幣的整體價值。金融行動特別工作組在2020年9月發布了一份報告，列舉了涉及利用虛擬貨幣進行洗錢、恐怖主義融資等非法活動，而這些都來源于其在2017～2020年各地區提供的100多個案例的研究。此外，智能合約等去中心化、匿名化的特點，使得交易不用跟特定交易對手相聯系，從而使得綁架和勒索、逃稅和銷售非法商品等犯罪活動更具隱蔽性。如臭名昭著的暗網，其網站中建立起眾多“匿名市場”，以無法追蹤真實地址隱藏服務的方式運作，其交易對象包括偽造身份文件、毒品交易、非法武器買賣、色情服務、人口販賣等。而網站交易的主要支付方式是以比特幣為代表的虛擬貨幣，給執法工作的開展帶來了很大困難。

金融邊界模糊化

在科技發展的今天，金融領域的邊界已經不再像以前時代那樣牢不可破。以大數據、人工智能引領的革命，不斷打破舊有思維中的傳統金融業務邊界與行為模式。某些互聯網企業已經從普通的購物平臺發展到理財投資等無所不包的金融超市，他們在取得金融業務牌照后，將金融行為與購物行為相結合，由于其本身的公司結構問題，反洗錢工作責任之主體難以明確。同時，也有一些傳統金融企業與互聯網深度融合，借助今日的互聯網與其他科技革命之成果，以數據為核心展開，將大量的金融信息放置在互聯網上，于是個別的傳統企業由于數據安全存在漏洞，使得大量客戶的資料與交易數據被用于洗錢。

金融業務駁雜化

在當今時代，金融業務更加復雜，“了解你的客戶”這一業務開展的基本原則變得知易行難，復雜的客戶關系嵌套以及線上多重交易方式，無不使得客戶身份識別和交易監控更加困難。如今金融科技的發展前所未有地拓展了金融領域的廣度和深度，并在不斷改變著人們的生產和生活，而這又同時給金融行業帶來了幾何式增長的信息和數據。海量的數據對金融機構的數據收集、存儲、鑒別分析能力造成很大壓力，而且金融機構數據庫中的大部分信息仍處于碎片化、非結構化狀態，經過多年的數據治理規范指引，仍有很多不同業務系統中的數據和信息沒有有效地合并或集成，形成一個獨立的數據集。雖然金融機構采用“數據湖”的形式收集所有數據，然后根據需要進行提取和處理，但難以將數據過濾入湖中，難以對海量原始數據進行提取和分析，因此難以對客戶特征進行完整、連續的刻畫。

金融機構一直以來存在交易信息交換的結構性低效率問題，表現在金融機構事實上無法完整獲取客戶交易信息，特別是通過第三方支付渠道等進行的交易。由于系統前期建設與金融機構交易系統的阻隔等原因，使得一些交易鏈信息出現收集斷層，無法提供交易對手的信息，增加了交易跟蹤的難度。盡管監管部門也認識到了這一問題，并通過建立網聯平臺要求金融機構改進信息數據交換結構。目前一些金融機構也建立了大額可疑交易監控系統，但受限于數據質量，在系統模型無法準確判斷情況下，造成大部分預警信息交由人工篩選分析，大量可疑交易被無效過濾，使得監控未能達到預期效果。

借助金融科技的反洗錢對策

建立并完善金融科技行業標準與監測系統

今天的金融與科技已經深度融合，因此應當專門對這種融合所產生的新型行業建立相對應的經營規范。在金融屬性下涉及反洗錢等違法犯罪活動，由于其需要高度的業務保密，所以更要嚴格監管，制定和完善相應的技術標準與安全規則，同時不斷完善反洗錢風險監測系統，對金融機構的風險交易行為和客戶風險狀況進行動態跟蹤，做到實時監測和預警。

區塊鏈技術已經被廣泛應用于金融、物聯網、物流和公共服務等領域。例如，貿易融資就是區塊鏈技術可以被充分發揮應用優勢的場景，在一家企業與多家金融機構開展類似業務，傳統金融機構面臨單一貸款的風險，而經由區塊鏈技術則具有抗篡改、時間戳、確保信息安全可信，不必將精力浪費在重復記錄保存和第三方驗證上，從而提高金融機構貸款風險識別效率。區塊鏈本身所具有的特點，使其能夠連接多家銀行和企業，通過在網絡成員間形成分布式賬本，加快了交易速度，完成信息共享，使各交易方受益。

要積極依托金融科技技術形成生產力，實現全鏈路、全渠道的交易監控，排查交易風險。在海量的交易數據中，通過交易對手、交易特征、交易背景等的分析，快速定位可疑交易。這不是僅僅依靠傳統業務建模方式，而是要應用深度數據挖掘技術，結合客戶行業、交易習慣、交易信息流、物聯網信息流等信息采集，進行特征綜合挖掘分析，建立可靠、有效的風險模型，通過智能機器人、機器學習等手段快速迭代模型和算法，實現對洗錢、電信詐騙、涉黃涉賭犯罪等異常交易進行較快的篩查，從而實現系統自動預警。需要強調的是，隨著涉及反洗錢等非法交易手法不斷翻新，應用先進技術對模型快速、持續迭代的能力更為重要，由于交易信息分析的滯后性，根據新型犯罪交易特點，設立相關性較高的指標，模型應當據此有敏捷反饋，實現特定風險特征的風險預警。

推動反洗錢安全數據共享與制裁

金融行業離不開數據安全，同時反洗錢行為也離不開安全規范的數據支持。在客戶信息與交易數據采集的長期實踐中，由于金融機構系統分業經營彼此獨立，沒有形成有效的共享數據與共享信息機制，從而使得金融領域的資源重復低效運作，難以核準交易的安全性與客戶的可靠性。在反洗錢和反恐融資領域，金融機構自身的責任也不例外。在實際履行職責時，金融機構應當不斷完善內部制度建設，完善內控三道防線機制，依據反洗錢相關法律法規，做好反洗錢相關基礎工作，如客戶身份持續識別、客戶數據管理，對異常交易進行監控并采取有效措施，有效降低數據風險。

由于我國金融機構自成體系，使得客戶信息和交易數據無法充分有效共享。盡管根據我國監管體系，金融機構通過大額和可疑交易集中報送系統，由國家反洗錢中心統一收集、整理相關交易信息;但僅憑單一金融機構已經無法完整收集到相關客戶與其他金融機構的交易，因此很難全面識別客戶進而綜合評估客戶的風險狀況。因此，金融機構之間可以嘗試借助金融科技手段建立數據交換模式，如利用區塊鏈技術，建立跨機構客戶身份識別、交易信息的共同監控機制，將各節點聯合在金融機構的賬簿中，從而增加客戶身份和交易的真實性和可靠性，有效提升金融機構的整體反洗錢水平。同時，金融機構應突破原有的信息壁壘，將相應數據保持在金融機構節點的區塊賬本之上，實現反洗錢工作的長效化。

金融機構建立制裁名單篩選系統并應用于主營業務，對初次建立客戶關系和后續交易環節進行篩選。實時系統篩查可以貫穿業務處理過程中，但也存在一定的漏洞，如不需要輸入的元素不能篩選系統，如港口、船舶和其他類型的國際貿易文件的信息。目前，大多數金融機構采用人工篩選方法，即要素入庫清單篩選系統。通過建設高效OCR系統掃描和識別文件，自動提取相關交易背景文件信息，如口岸、原產地等信息，轉化為數據庫信息提供系統自動分析，提高制裁清單篩選的有效性。同時，通過云ERP系統等方式對相關文件進行分析，如對文件真實性進行鑒定等，有助于識別交易洗錢的風險，為反洗錢和制裁合規管理提供有力支持。

推動人工智能進行客戶識別與可疑交易刻畫

根據監管層和業務發展的要求，金融機構積極推動利用人工智能進行客戶生物信息的采集和識別，通過復合客戶身份確認，完成交易授權，用以保障交易安全。目前除了正在普遍應用的人臉識別技術外，在指靜脈、虹膜、聲紋、步態等生物識別手段應用方面，金融機構均進行了初步的嘗試。同時，金融機構必須通過數據整合，建立統一、完整的數據體系，實現反洗錢系統與外部系統數據的協同互聯。例如，對接央行賬戶管理系統和征信系統，更全面的掌握客戶的資金變動情況;對接市場監管數據，實現對客戶身份的持續動態識別;對接外匯管理、海關、稅務、公檢法、社會保障等部門系統，完善客戶交易背景分析;甚至可以整合第三方支付交易數據，形成大數據聯動和跨境聯動機制，建立交易數據、行為數據、監管數據的統一平臺。

利用大數據技術，形成準確的客戶標簽。客戶信息的采集不僅限于業務中識別客戶過程，而是來自在互聯網時代背景下網絡媒體、社交網絡等渠道的客戶信息，如是否有負面新聞、社交網絡、社交活動等。不僅通過資金交易行為，而是綜合客戶社交行為，更好的構建人物畫像，為監控分析工作提供良好的支持。同時，信息收集工作可以依托大數據和人工智能在自然語言處理領域，特別是知識圖譜分析技術，使得語義解析更加智能化，在收集和運用結構化數據取得運用經驗后，對非結構化數據的搜索和分析成為可能，有助于快速、準確生成更加立體化的客戶畫像。

完善預警模型和提高機器學習效果，最終建立一個高效、智能的反洗錢系統

不斷完成從單因素模型到多因素模型的演進，積極運用高效的機器學習能力，從大量歷史可疑交易排除案例中學習，并進而提高系統可疑交易分析能力，生成分析判斷的結論。將來隨著機器學習的深入，系統功能可進一步優化，可疑交易報告可由系統自動提交。通過使用人工智能來排除重復性勞動，反洗錢人員可以自由參與復雜的洗錢案例分析和判斷，為可疑甄別提供更多的創造力和人類智慧，真正提高反洗錢工作的效率。同時，運用不斷發展的金融科技，促進機器學習效率的提高，達到可預測新的可疑交易目標，通過預測新的反洗錢交易特征并建立有效監控模型，對新型洗錢風險進行預判，將反洗錢工作轉移到“事前”，達到“上醫治未病”的效果，從根本上遏制、降低金融機構面臨的洗錢風險。

（作者單位：金華銀行運營部）

責任編輯：劉?彪

ChinaBanker@vip.163.com