一、项目背景及目标

当前依托于传统反洗钱系统开展的可疑交易分析仍在采用由系统根据模型规则筛选出疑似可疑交易，并交由人工进行二次甄别的方式。甄别过程中会涉及到客户交易的研判、客户信息真实性求证、事实举证等方面，在这一系列工作中，业务人员需要收集可疑案例相关数据，对收集到的数据进行分析，对分析结果进行总结，针对当前海量的业务数据以及业务分析人员素质的差异，逐渐暴露出甄别结果质量不能得到有效保障，甄别过程所需相关数据不够直观，分析困难耗时多，甄别过程积累的知识和经验难传承沉淀，标准难统一和推广等客观问题。这不仅大大降低了银行在客户身份识别和可疑交易监测方面的效能，同时也很难真正实现《金融机构大额交易和可疑交易报告管理办法》（中国人民银行令〔2016〕第3号）所提出的由行为特征分析模式向风险为本监测模式发展的方向。

基于此，为有效破除当前传统反洗钱监测方式在客户身份识别和可疑交易监测方面存在的固有痛点，重庆银行创新性的研发了“风铃智评-钱途慧知”项目。旨在依托现有内外部数据基础，通过深入论证人工智能技术的两个重要分支，既知识图谱和机器学习技术在反洗钱与反恐怖融资这一特定风险领域的应用可能，并在进一步融合，交互的基础上形成一套高效的洗钱风险监测方案。

二、项目方案

“风铃智评-钱途慧知”项目，依托大数据、知识图谱以及机器学习技术，在整合行内外数据资源的基础上，从当前反洗钱工作实际出发，利用股权穿透、关联关系识别等方法以及既有的专业经验，通过对多个企业之间复杂而隐蔽的关联关系及关联风险进行挖掘与识别。据以实现丰富客户身份背景信息，准确刻画客户网络风险，为可疑交易分析提供更加及时、全面、智能化的洗钱风险辅助信息，提升分析质量与效率的目标愿景。

三、创新点

（一）在客户身份识别方向的创新应用

1、通过对内外部数据的有效融合，在利用外部大数据进一步明晰企业包含身份信息，股权关系在内的基础信息上，借助与存量客户信息的对比交叉验证解决了既往通过人工获取数据的效率问题。与此同时，通过加强数据更新频率并借助专家经验所构建的受益所有人自动识别模型，实现客户全业务周期的客户身份识别链路搭建。

2、依托知识图谱技术在关系挖掘领域的算法优势，再辅以从外部获取的行政处罚，失信被执行人，异常经营名录等风险信息以及反洗钱黑名单在内的名单监控体系，实现对企业全量身份背景信息和风险信号的完整刻画。并通过融入风险传导机制的规则模型，将客户信息由点及面的延展挖掘，致力构建完整的KYC(know-your-customer)动态捕捉架构。

（二）在可疑交易监测的创新应用

该项目创新的结合了知识图谱技术（图计算算法）以及可视化交互工具，在综合分析大量用户身份数据和行为数据的基础上，融入专家经验，完成针对洗钱网络溯源查询和异常交易主动发现两大风险监测场景的技术工具。

在具体应用上，一是基于数亿条交易信息数据和客户身份行为特征，参考既有的黑样本数据，利用数据清洗，搭建用以建立模型的底层数据基础。并通过客户画像以及在账户交易笔数、交易金额、交易时间、交易对手等维度的特征变量开展动态分析，实现对新兴洗钱方式的预警识别；二是脱离规则为本的模型搭建思路，在不假设具体风险特征的前提下，基于异常行为和标签传播完成社团发现，达到对隐形洗钱犯罪的提前识别和监测的终效果。

四、项目过程管理

“风铃智评-钱途慧知”项目作为重庆银行在反洗钱领域利用科技赋能的重要探索，整体需求较为复杂，且功能点之间有一定的依赖关系，因此该项目建设之初即拟定了阶段性的实施计划。

*****阶段已于2020年12月完成投产上线。该阶段主要是依托知识图谱技术开展的定制化研发。旨在通过对内外部数据的整合以及知识图谱技术的应用，实现在客户身份识别方向的落地应用，并在此过程中整理项目后期所使用的行内客户信息、账户信息、交易流水等数据以及持续积累反洗钱黑白样本数据为后续机器学习准备特征数据，为二阶段机器学习模型打基础。

第二阶段预计于2021年11月启动。作为该项目的二阶段工作，将以一阶段项目的应用成果为基础，将机器学习技术作为关键切入点展开，从图形特征、交易时间、交易金额、交易设备、交易模式等多维度特征出发，以人工智能模型进一步加强对可疑交易的监测效果。

五、运营情况

该项目*****阶段投产后，已广泛应用于我行反洗钱尽职调查，客户风险评级，可疑案例甄别以及洗钱风险预警等各个环节。截至目前该项目输出企业数量逾2000万频次，涉及企业近20万个。

六、项目成效

“风铃智评-钱途慧知”项目的实施，改变了既往金融机构反洗钱人工核查，被动防控的工作模式，突破了传统反洗钱规则模型信息滞后，效能低下的局限。大数据、知识图谱、机器学习等领先的金融科技技术与反洗钱这一金融机构重要风险防控场景的结合，在进一步践行中国人民银行“风险为本”反洗钱工作理念的同时，也为广大同业持续发展数字化风控应用与实践，开拓了有益的借鉴思路。

（一）破除人力桎梏，优化资源配置效能

 该模型利用科技赋能，通过对大数据、知识图谱、机器学习等金融科技技术的广泛应用，将有效破除当前反洗钱工作向精细化管理发展的人力制约困局。一方面能够极大地减少反洗钱工作开展过程中人为的操作量级，避免因人员专业性的差异对可疑交易分析的判断结果，确保终输出结果的准确性；另一方面大数据智能化风控系统与现行反洗钱系统的深度融合，在客户身份识别、客户画像等方面所提供的重要数据支撑，也大大减轻了人工分析环节的处理压力，为反洗钱工作向集中化，专业化的发展提供强有力的系统支持。

（二）技术再造升级，身份识别可疑监测双重发力

该项目既是立足《中华人民共和国反洗钱法》所述“依法采取预防、监控措施，建立健全客户身份识别制度、客户身份资料和交易记录保存制度、大额和可疑交易报告制度”这一金融机构反洗钱核心义务，大力发展反洗钱工作技术创新过程中的一次重要迭代更新，更是在信息技术飞速发展的今天，利用人工智能手段在客户身份和可疑交易识别两个方面帮助金融机构提高反洗钱识别能力的重要实践。

七、经验总结

本项目对大数据、知识图谱及机器学习技术在反洗钱领域的深入探究，究其根本，正是我行探索利用金融科技赋能反洗钱工作的创新之路。伴随该项目实施成果的落地将有力的推动洗钱风险识别、监测、预警向智能化发展。与此同时，通过科技赋能，我行现有反洗钱系统体系在完成基本的反洗钱工作、满足监管需求的基础上，也将成为“了解你的客户”的全面客观、数据详实的风控系统。进而促使反洗钱工作从事后监控向事前预防前移，重构反洗钱工作的管理模式。