金融科技时代的反洗钱问题研究

金剑

近年来，金融科技发展非常迅速，以人工智能、云计算、大数据、区块链等为代表的创新技术全面应用于支付清算、借贷融资、财富管理等金融业务领域，成为金融行业在资产定价、风险决策、投资配置等业务中的重要应用技术手段。但与此同时，这些技术手段也使金融领域中各种违法犯罪活动拥有了新的手段和方法，其中在洗钱活动的表现尤为值得警惕。当然，新技术也为打击新的违法犯罪活动带来了增益的效果，使得风险控制在这个时代更为便利和直接。

科技时代背景中的反洗钱困境

金融领域复杂化

金融领域的复杂化问题主要有两个特征，这两个特征都与反洗钱问题有着紧密的联系。

金融领域的交易数据被无限增大。金融科技的迅猛发展，带来了海量的金融数据，其中金融交易中多频次、高并发、巨额流量等金融数据的独特性，使得洗钱活动在金融领域中存在广阔的生存空间。金融科技新主流趋势的出现，云计算、大数据等新技术手段不断重塑传统的以集中式架构为主的传统金融业务，而分布式、去中心化网络正是基于此被构建，其重要特征是突破去中心化、且无货币发行主体的限制。突出表现为以比特币为代表的虚拟货币没有中央服务器，具有分散性、匿名性和易设置的特点，在虚拟世界中进行存储和交易。

虚拟货币交易在日本、美国、德国等重要经济体被认可，在我国被禁止交易，但虚拟货币持有者仍然可以通过互联网，使用密钥匿名交换法定货币或商品交易，从而绕过货币当局的管控。虚拟货币快速、不可逆、全球通用的交易能力，使交易者可以很容易脱离受监管的传统金融体系，获取、传输和存储以数字方式表现的资产，从而更便于混淆来源或目标，使人们更难确定犯罪嫌疑人的行为，增加了调查的难度。例如，美国没有禁止虚拟货币交易，但引据美国财政部发布的一份税收报告，加密货币广泛地加剧了包括逃税在内的各类非法活动，而且已经给有关部门的调查造成了很大的困难。

当前的金融领域交易更趋于隐蔽。这一点对于反洗钱等风险控制来讲，违法犯罪活动明显出现了难以追查的情况。尤其以当前盛行的虚拟货币为例。由于虚拟货币本身所具有的不记名形式，在目前的各个经济领域内虚拟货币被广泛而普遍地用于各種违法犯罪已是不争的事实，其中以洗钱活动为代表。同时，金融科技中依托区块链提供的智能合约等新型金融交付方式，在实现远程支付行为时意味着在没有第三方信任的情况下进行合约执行，因此根本无法追踪服务器位置和资金流向，给反洗钱工作带来了极大的困难，也大大增加了追踪虚拟货币交易主体的难度。

早在2015年，欧洲刑警组织报道，在以比特币为代表的数字货币之间非法交易中，仅有40%的罪犯被检测到。为此，欧盟当局专门在欧洲刑警组织内建立一个专门打击以比特币为代表的数字货币洗钱犯罪的专属部门。另据2018年澳大利亚的一项调查显示，大约近一半的比特币交易与色情、毒品等非法活动有关。此外，据研究人员估算，有2700万比特币市场参与者主要出于非法

目的使用比特币，这些用户每年进行约3700万笔交易，截至2021年1月，比特币流通总量达185.88万个，总价值为5447亿美元，由此可见虚拟货币的整体价值。金融行动特别工作组在2020年9月发布了一份报告，列举了涉及利用虚拟货币进行洗钱、恐怖主义融资等非法活动，而这些都来源于其在2017～2020年各地区提供的100多个案例的研究。此外，智能合约等去中心化、匿名化的特点，使得交易不用跟特定交易对手相联系，从而使得绑架和勒索、逃税和销售非法商品等犯罪活动更具隐蔽性。如臭名昭著的暗网，其网站中建立起众多“匿名市场”，以无法追踪真实地址隐藏服务的方式运作，其交易对象包括伪造身份文件、毒品交易、非法武器买卖、色情服务、人口贩卖等。而网站交易的主要支付方式是以比特币为代表的虚拟货币，给执法工作的开展带来了很大困难。

金融边界模糊化

在科技发展的今天，金融领域的边界已经不再像以前时代那样牢不可破。以大数据、人工智能引领的革命，不断打破旧有思维中的传统金融业务边界与行为模式。某些互联网企业已经从普通的购物平台发展到理财投资等无所不包的金融超市，他们在取得金融业务牌照后，将金融行为与购物行为相结合，由于其本身的公司结构问题，反洗钱工作责任之主体难以明确。同时，也有一些传统金融企业与互联网深度融合，借助今日的互联网与其他科技革命之成果，以数据为核心展开，将大量的金融信息放置在互联网上，于是个别的传统企业由于数据安全存在漏洞，使得大量客户的资料与交易数据被用于洗钱。

金融业务驳杂化

在当今时代，金融业务更加复杂，“了解你的客户”这一业务开展的基本原则变得知易行难，复杂的客户关系嵌套以及线上多重交易方式，无不使得客户身份识别和交易监控更加困难。如今金融科技的发展前所未有地拓展了金融领域的广度和深度，并在不断改变着人们的生产和生活，而这又同时给金融行业带来了几何式增长的信息和数据。海量的数据对金融机构的数据收集、存储、鉴别分析能力造成很大压力，而且金融机构数据库中的大部分信息仍处于碎片化、非结构化状态，经过多年的数据治理规范指引，仍有很多不同业务系统中的数据和信息没有有效地合并或集成，形成一个独立的数据集。虽然金融机构采用“数据湖”的形式收集所有数据，然后根据需要进行提取和处理，但难以将数据过滤入湖中，难以对海量原始数据进行提取和分析，因此难以对客户特征进行完整、连续的刻画。

金融机构一直以来存在交易信息交换的结构性低效率问题，表现在金融机构事实上无法完整获取客户交易信息，特别是通过第三方支付渠道等进行的交易。由于系统前期建设与金融机构交易系统的阻隔等原因，使得一些交易链信息出现收集断层，无法提供交易对手的信息，增加了交易跟踪的难度。尽管监管部门也认识到了这一问题，并通过建立网联平台要求金融机构改进信息数据交换结构。目前一些金融机构也建立了大额可疑交易监控系统，但受限于数据质量，在系统模型无法准确判断情况下，造成大部分预警信息交由人工筛选分析，大量可疑交易被无效过滤，使得监控未能达到预期效果。

借助金融科技的反洗钱对策

建立并完善金融科技行业标准与监测系统

今天的金融与科技已经深度融合，因此应当专门对这种融合所产生的新型行业建立相对应的经营规范。在金融属性下涉及反洗钱等违法犯罪活动，由于其需要高度的业务保密，所以更要严格监管，制定和完善相应的技术标准与安全规则，同时不断完善反洗钱风险监测系统，对金融机构的风险交易行为和客户风险状况进行动态跟踪，做到实时监测和预警。

区块链技术已经被广泛应用于金融、物联网、物流和公共服务等领域。例如，贸易融资就是区块链技术可以被充分发挥应用优势的场景，在一家企业与多家金融机构开展类似业务，传统金融机构面临单一贷款的风险，而经由区块链技术则具有抗篡改、时间戳、确保信息安全可信，不必将精力浪费在重复记录保存和第三方验证上，从而提高金融机构贷款风险识别效率。区块链本身所具有的特点，使其能够连接多家银行和企业，通过在网络成员间形成分布式账本，加快了交易速度，完成信息共享，使各交易方受益。

要积极依托金融科技技术形成生产力，实现全链路、全渠道的交易监控，排查交易风险。在海量的交易数据中，通过交易对手、交易特征、交易背景等的分析，快速定位可疑交易。这不是仅仅依靠传统业务建模方式，而是要应用深度数据挖掘技術，结合客户行业、交易习惯、交易信息流、物联网信息流等信息采集，进行特征综合挖掘分析，建立可靠、有效的风险模型，通过智能机器人、机器学习等手段快速迭代模型和算法，实现对洗钱、电信诈骗、涉黄涉赌犯罪等异常交易进行较快的筛查，从而实现系统自动预警。需要强调的是，随着涉及反洗钱等非法交易手法不断翻新，应用先进技术对模型快速、持续迭代的能力更为重要，由于交易信息分析的滞后性，根据新型犯罪交易特点，设立相关性较高的指标，模型应当据此有敏捷反馈，实现特定风险特征的风险预警。

推动反洗钱安全数据共享与制裁

金融行业离不开数据安全，同时反洗钱行为也离不开安全规范的数据支持。在客户信息与交易数据采集的长期实践中，由于金融机构系统分业经营彼此独立，没有形成有效的共享数据与共享信息机制，从而使得金融领域的资源重复低效运作，难以核准交易的安全性与客户的可靠性。在反洗钱和反恐融资领域，金融机构自身的责任也不例外。在实际履行职责时，金融机构应当不断完善内部制度建设，完善内控三道防线机制，依据反洗钱相关法律法规，做好反洗钱相关基础工作，如客户身份持续识别、客户数据管理，对异常交易进行监控并采取有效措施，有效降低数据风险。

由于我国金融机构自成体系，使得客户信息和交易数据无法充分有效共享。尽管根据我国监管体系，金融机构通过大额和可疑交易集中报送系统，由国家反洗钱中心统一收集、整理相关交易信息;但仅凭单一金融机构已经无法完整收集到相关客户与其他金融机构的交易，因此很难全面识别客户进而综合评估客户的风险状况。因此，金融机构之间可以尝试借助金融科技手段建立数据交换模式，如利用区块链技术，建立跨机构客户身份识别、交易信息的共同监控机制，将各节点联合在金融机构的账簿中，从而增加客户身份和交易的真实性和可靠性，有效提升金融机构的整体反洗钱水平。同时，金融机构应突破原有的信息壁垒，将相应数据保持在金融机构节点的区块账本之上，实现反洗钱工作的长效化。

金融机构建立制裁名单筛选系统并应用于主营业务，对初次建立客户关系和后续交易环节进行筛选。实时系统筛查可以贯穿业务处理过程中，但也存在一定的漏洞，如不需要输入的元素不能筛选系统，如港口、船舶和其他类型的国际贸易文件的信息。目前，大多数金融机构采用人工筛选方法，即要素入库清单筛选系统。通过建设高效OCR系统扫描和识别文件，自动提取相关交易背景文件信息，如口岸、原产地等信息，转化为数据库信息提供系统自动分析，提高制裁清单筛选的有效性。同时，通过云ERP系统等方式对相关文件进行分析，如对文件真实性进行鉴定等，有助于识别交易洗钱的风险，为反洗钱和制裁合规管理提供有力支持。

推动人工智能进行客户识别与可疑交易刻画

根据监管层和业务发展的要求，金融机构积极推动利用人工智能进行客户生物信息的采集和识别，通过复合客户身份确认，完成交易授权，用以保障交易安全。目前除了正在普遍应用的人脸识别技术外，在指静脉、虹膜、声纹、步态等生物识别手段应用方面，金融机构均进行了初步的尝试。同时，金融机构必须通过数据整合，建立统一、完整的数据体系，实现反洗钱系统与外部系统数据的协同互联。例如，对接央行账户管理系统和征信系统，更全面的掌握客户的资金变动情况;对接市场监管数据，实现对客户身份的持续动态识别;对接外汇管理、海关、税务、公检法、社会保障等部门系统，完善客户交易背景分析;甚至可以整合第三方支付交易数据，形成大数据联动和跨境联动机制，建立交易数据、行为数据、监管数据的统一平台。

利用大数据技术，形成准确的客户标签。客户信息的采集不仅限于业务中识别客户过程，而是来自在互联网时代背景下网络媒体、社交网络等渠道的客户信息，如是否有负面新闻、社交网络、社交活动等。不仅通过资金交易行为，而是综合客户社交行为，更好的构建人物画像，为监控分析工作提供良好的支持。同时，信息收集工作可以依托大数据和人工智能在自然语言处理领域，特别是知识图谱分析技术，使得语义解析更加智能化，在收集和运用结构化数据取得运用经验后，对非结构化数据的搜索和分析成为可能，有助于快速、准确生成更加立体化的客户画像。

完善预警模型和提高机器学习效果，最终建立一个高效、智能的反洗钱系统

不断完成从单因素模型到多因素模型的演进，积极运用高效的机器学习能力，从大量历史可疑交易排除案例中学习，并进而提高系统可疑交易分析能力，生成分析判断的结论。将来随着机器学习的深入，系统功能可进一步优化，可疑交易报告可由系统自动提交。通过使用人工智能来排除重复性劳动，反洗钱人员可以自由参与复杂的洗钱案例分析和判断，为可疑甄别提供更多的创造力和人类智慧，真正提高反洗钱工作的效率。同时，运用不断发展的金融科技，促进机器学习效率的提高，达到可预测新的可疑交易目标，通过预测新的反洗钱交易特征并建立有效监控模型，对新型洗钱风险进行预判，将反洗钱工作转移到“事前”，达到“上医治未病”的效果，从根本上遏制、降低金融机构面临的洗钱风险。

（作者单位：金华银行运营部）

责任编辑：刘 彪

ChinaBanker@vip.163.com