疫情期间，远程工作、不能与客户面对面加大了金融机构反洗钱的难度，假视频、虚假身份等欺诈行为挑战着银行业金融机构的KYC策略。实际上，洗钱与反洗钱的搏斗近年来愈演愈烈，洗钱的新动向是互联网化，花样翻新后，比特币、聚合支付、网贷跑路、跨境电商都可以成为洗钱的手段，而反洗钱模型也在据此迭代更新。但AI在反洗钱中的使用还在探索期，与传统专家经验的规则引擎相比还显示不出明显优势。

 

花样百出的洗钱模式

 

虽然说比特币洗钱已经是币圈人人皆知的秘密，但风险究竟有多大并没有多少人知道。

 

3月23日，中国互联网金融协会《洗钱新风险与反洗钱新应对》的公益反洗钱活动中，中国计算机学会信息系统专委会委员、复旦大学中国反洗钱研究中心特聘研究员李振星提醒，比特币交易规模已经不容小觑。比如2019年12月31日，24小时内比特币成交量达到了235亿美元，相当于同时段上交所交易量的72%、深交所的53%、纽交所的24%和纳斯达克的32%。

 

通过比特币等虚拟货币洗钱理论上在国内是不可行的，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》，各金融机构和支付机构不得买卖或作为中央对手买卖比特币，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：为客户提供比特币登记、交易、清算、结算等服务。

 

国内不可以通过互联网支付和银行来买卖比特币，但是仍有漏洞可钻。比如美国财政部外国资产控制办公室（OFAC）今年3月初刚刚公布的案例显示，2018年4月朝鲜黑客窃取了比特币之后两个中国人通过场外兑换业务帮其兑换成了法币，其中通过人民币银行账户转移了价值3400万美元的资金，还有价值140万美元的比特币转成了苹果iTunes的礼品卡。

 

“虽然在国内不能碰，但也有不法分子在境外支付结算比特币，然后转到国内账户，国内的金融机构不会知道。但实际上境内金融机构作为发卡行、结算收单行，应当仍然有合规责任。”李振星表示。

 

李振星提到的另一个例子是2019年被福建公安抓捕归案的“通宝支付”，该平台通过聚合第三方支付平台、合作银行等接口，为赌博、私彩等非法经营提供便利的资金支付结算通道，成为犯罪分子的“金融结算中心”。

 

具体而言，该平台为赌博、诈骗网站等“商户”提供支付二维码或H5支付网页，将非法资金收集至其控制的他人平台账户之后，再通过网络支付平台提现至银行卡，从中抽取2.5%到4%的佣金。最后，“通宝支付”将资金归集返还给“商户”，实际上是中介机构在收付款方之间提供货币资金转移服务，通过平台开设账户、发展代理、链接“商户”形成资金通道。此案涉及商户账户1214个，涉及支付宝账户1342个，链接了2000多家赌博网站，涉案金额高达28亿元人民币，最终被警方捣毁27个犯罪窝点，抓获95名团伙成员。

 

上述洗钱模式在国内已经得到足够重视。

 

1月13日，公安部通报，2019年，全国公安机关共侦破网络赌博刑事案件7200余起，抓获犯罪嫌疑人2.5万名，查扣冻结涉赌资金逾180亿元。

 

除了上述两种新型犯罪之外，还有“赌博 电商 预付卡 线下实体店”结合的场景，更为隐蔽。比如哥斯达黎加的赌博网站5Dimes诱使用户使用亚马逊礼品卡作为体育博彩资金，获胜者以礼品卡奖励，或者让他们在亚马逊官网上挑选商品，来作为洗黑钱的方式。

 

中互金协会副秘书长何红滢在上述活动中指出，当前利用新冠肺炎疫情消息进行的诈骗活动是过往网络金融诈骗行为的延续，通过反洗钱工具监测和阻断相关资金链条是成功防控所不可或缺的手段。

 

AI算法难显优势

 

从事反洗钱工作多年的普华永道中国金融业管理咨询总监李昀接受21世纪经济报道记者采访时表示，涉及跨境贸易的交易结算，全球多数银行都使用SWIFT系统，各家银行会对交易名单进行筛查，如果触发关键字会进行交易拦截。跨境交易中往往涉及企业、个人、金融机构多个实体，比如汇款发起人会通过发起银行向收款人银行打款，但过程中可能会有几家代理银行经手。这时候反洗钱不仅仅是发起行的责任，串联的这一系列银行都应当承担这一职责。

 

李昀称，在反洗钱合规投入方面，各家银行规模不同。他举例称，美国的大银行在这方面每年的投入在千万美元左右，包括科技投入和人员投入，而国内四大行大约每年千万级人民币左右，城农商行则比较低。人员配置上，人手较多的大行大约百人左右全职从事反洗钱工作，小银行则几到十几人。

 

针对不同的洗钱场景，反洗钱机构有一套成熟的模型判断，多数场景的共同特征是汇聚账户金额大、支付确认结算迅速。比如，一个传统反洗钱的场景监测中，如果连续三个工作日中有2天进行现金交易，每天交易总额超过17.5万元人民币，但小于20万元，而交易对象相同，就会被模型“盯上”。

 

反洗钱模型绕不开的一个指标是误报率。误报率通常指的是在反洗钱过程中，提交可疑交易报告的笔数和系统中产生的风险交易预警的笔数之比。

 

李昀介绍，一般来说，金融机构会先用建立反洗钱监测模型的方式筛选出一部分初步判断有洗钱风险的交易，这过程中所建立的模型参考的维度包括是否存在组织交易，是否一对多或者多对一交易，是否涉及高危国家或高危客户等。但产生预警之后还需要人工干预，根据客户更细致的信息，包括交易对手方的关联关系、负面舆情进行更为复杂的尽职调查，最终形成可疑交易报告提交金融监管部门，之后可能会立案追踪。系统预警100次交易，最终上报了5-10次可疑交易，也算一个正常水平。误报率高低反映的是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有效性之间寻找平衡的结果。

 

李振星表示，一般行业内误报率达到95%，根据麦肯锡报告，通过引入AI手段，可以减少20%-30%的误报率，能够极大地减少人员投入。但不少业内人士都指出，目前还是规则模型作为主导，AI模型作为补充。

上一个：现代金控资讯：银行跨境收汇款洗钱风险管控

下一个：现代金控资讯：取消企业银行账户行政许可后的监管建议