监测规则更新滞后
人工甄别工作量大
犯罪团队识别困难
缺乏长效机制
数据量剧增
监测准确率低
无法有效使用外部数据
忽略个体特征
监管机构处罚严厉
· 中小行内数据量不足,统计模型的数据基础较差
· 行内数据源较为单一,外部额外数据特征不够丰富,样本维度特征稀疏
· 各行间交易数据的隔离,造成洗钱链路缺失,隐含的洗钱行为信息不完备
· 反洗钱可疑案例筛查是要求决策合规的应用,对上报结果有明晰化要求
· AI模型及算法普遍缺乏决策逻辑的透明度和结果的可解释性
· 传统规则模型更新滞后,对AI融合、更新规则和发现新规则均有诉求
· AI模型需要贴合业务场景
· AI模型需要有自我评估能力
· AI模型需要有自学习能力,持续迭代优化
XPJAI智能反洗钱监测平台,结合大数据、知识图谱、人工智能等先进技术,实现了智能KYC审查、实时名单客户交易拦截,同时通过机器学习算法自动构建可疑洗钱交易模型,代替传统基于规则和人工判断的反洗钱工作模式,极大地提升了可疑洗钱交易上报的及时性、准确性,降低了金融机构反洗钱工作的合规成本。
· 大额监测
· 可疑监测
· 名单客户交易监测
· 客户关系分析
· 交易链路分析
· 关联事件分析
· 应用横向扩展
· 分布式数据库
· 异构数据整合
· 引入外部数据
· 智能评级模型
· 服务输出能力
· 模型参数调整
· 模型规则调整
· 提升报送准确率
· 流计算
· 图形分析
· 交易筛选
基于多种机器学习算法融合来构建反洗钱检测AI引擎,对比传统反洗钱系统,在覆盖专家审核结果的条件下,能降低1个数量级以上的误报率。
基于机器学习和专家经验建立可疑案件排序模型,针对风险高的案件优先审核,及时上报,风险过低可排除,降低筛查工作量。
基于知识图谱和社群发现算法,多元用户身份识别,建立客户知识图谱,识别交易最终受益人,有效还原洗钱网络,辅助审核分析,提升AI的可解释性。
基于半监督学习和图特征挖掘建立可疑案件识别模型,海量交易中准确抓取反洗钱可疑案件,协助发现隐案、漏案和新型作案手法;基于机器学习聚类分析和模式发现,优化规则模型,辅助发现可疑交易新规则和新可疑模式。
某银行智能反洗钱监测预警平台
该平台以更贴合业务场景的AI算法创新应用,有效降低反洗钱筛查的误报率、工作量,使反洗钱异常检测结果可视化,帮助银行反洗钱异常检测召回率高达95%以上,人工规则反洗钱工作量降低98%。