什么是洗钱?
洗钱(Money Laundering)是指犯罪分子通过一系列金融账户转移非法资金，使非法所得合法化的行为，主要指将违法所得及其产生的收益，通过各种手段掩饰、隐瞒其来源和性质，使其在形式上合法化。需要“清洗”的非法钱财一般都可能与恐怖主义毒品交易或是集团犯罪有关。
常见洗钱手法：
(1)通过现金的走私、投资、进出口贸易等方式进行洗钱活动;
(2)通过“地下钱庄”和“民间借贷”，实现犯罪所得的跨境转移;
(3)制造复杂的金融交易。如通过银行转账、现金与证券的交易、跨国资金的转移等，掩盖金钱的真实来源，使非法资金进入金融体系;
(4)设立空壳皮包公司，虚拟交易。通过成立多个空壳皮包公司，在没有任何营业活动和收入的情况下，将非法所得收入通过虚拟交易转入公司账户，缴纳各种税收和保险，再通过与其他账户的多次周转进行洗白;
(5)通过购买彩票、珠宝古董交易或虚假拍卖，逃避金融系统对资金流动的监管;
清洗什么钱将构成洗钱罪?
主要是指“清洗”毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪、贪污贿赂罪、破坏金融管理秩序罪、金融诈骗犯罪的所得及其产生的收益,将构成洗钱罪。
为什么反洗钱?
洗钱助长走私、毒品、黑社会、贪污贿赂、金融诈骗等严重犯罪，扰乱正常的社会经济秩序，破坏社会公平竞争，甚至影响国家声誉。参与非法集资、洗钱等犯罪活动的大都是贩毒者、恐怖主义分子非法武器交易商、腐败的政府官员等，如果一不小心被犯罪分子利用后果将不堪设想。
(1)在信用记录中留下污点，贷款、买房买车、出国等都会受到影响;
(2)可能导致自己的资金亏损或者被犯罪分子窃取;
(3)可能一不小心成为犯罪分子进行非法集资、洗钱等非法活动的“帮凶”;
(4)可能会成为犯罪分子进行诈骗的“替罪羊”。
从业机构反洗钱义务：
1、建立健全反洗钱和反恐怖融资内部控制机制
从业机构应当遵循风险为本方法，根据法律法规、监管政策、规范性文件和行业实践，制定并完善反洗钱和反恐怖融资内部控制制度，强化合规管理。
2、有效进行客户身份识别
从业机构应当执行客户身份识别制度，遵循“了解你的客户(know your customer，简称“KYC”原则，采取合法手段，收集客户信息数据，并利用从可靠途径、以可靠方式获取的信息或数据，合理运用技术手段和理论方法识别、分析、核验客户真实身份，了解建立业务关系的目的和意图，确定并适时调整客户风险等级。
及时更新客户身份识别相关的证明文件、数据和信息，确保客户正在进行的交易与从业机构所掌握的客户信息和风险等级等匹配。
对于高风险客户，从业机构应当采取合理手段了解其资金来源，提高审核频率，不得为身份不明或者拒绝身份核验的客户提供服务或者与其进行交易，不得为客户开立匿名账户或者假名账户，不得与明显具有非法目的的客户建立业务关系。
3、提交大额和可疑交易报告
从业机构应当建立健全大额交易和可疑交易监测系统，客户交易金额单笔或累计达到一定上限时必须提交大额交易报告，对客户及其所有业务、交易及其过程开展监测和分析，识别大额和可疑交易并提交可疑交易报告。
4、开展涉恐、涉政名单监控
从业机构应当对涉恐名单开展实时监测，包括制裁名单、政治公众人物名单(PEPs)及其他第三方名单。从业机构在日常业务中必须对反洗钱监控名单中的目标给予特别关注，如发现交易与监控名单中的目标有关，应当立即终止交易并及时提交可疑交易报告，并依法对相关资金或者其他资产采取冻结措施。
5、保存客户身份资料和交易记录
从业机构应当妥善保存开展反洗钱和反恐怖融资工作所产生的信息、数据和资料，确保能够完整重现每笔交易，确保相关工作可追溯。
反洗钱面临的挑战
随着互联网和移动支付等技术的发展，尽管资源优化配置和交易效率得以提高，但也为金融犯罪提供了温床。当前，我国网络洗钱犯罪呈高发态势，犯罪分子利用网络交易洗钱已成常态。由于网络洗钱不用透露真实信息、全球化程度高、成本低廉、不间断交易、受众广，从业机构在反洗钱工作的有效性和效率上面临以下挑战：
1、身份信息难核验
不同于客户本人亲自到从业机构窗口办理业务，网络交易场景下，从业机构的客户身份识别风险较大。洗钱团伙从非法渠道购买黑产盗取的身份信息，通过伪造、包装等方式，隐藏自己真实身份后进行网络交易。黑产交易流程大致可分为：
上游：一般是职业黑客，他们会主动寻找“含金量”较高的网站，通过挖掘漏洞、编写木马等方式实施入侵，盗取数据。再通过「拖库」、「撞库」等技术挖掘和清洗数据，形成可直接变现的社工库，再转卖给黑产中游。
中游：信息中介商，这些团伙通过购买上游流转过来的数据，进行必要整合和打包，再转卖给下游从事欺诈犯罪活动;
下游：支撑黑色产业链各种周边的组织，如洗钱、盗卡盗刷、套现等团伙。
从业机构精准识别网络洗钱客户的真实身份，是目前反洗钱面临的首要难题。
2、交易隐蔽难识别
各种科学技术的不断提高，大大增加了交易活动的便捷性，但与此同时也给反洗钱工作带来了巨大的挑战。传统的货币洗钱形式已经慢慢淡出了人们的视线，取而代之是利用网银、手机银行、第三方支付等更为隐蔽和高效的洗钱方式。交易的隐蔽性导致可疑交易无法被及时发现，加大了反洗钱难度。
3、数据孤岛难打破
目前各机构之间的系统互不联通，机构的所有数据被封存在各系统中，数据缺乏有效整合，这就使得大量数据被割裂开来，成为信息孤岛，信息的共享、反馈难，大量有价值的数据资源不能发挥更大作用。众多机构只能利用其自有的基本数据进行分析，无法关联识别出洗钱团伙的可疑交易。
前沿技术和分析能力如何助力反洗钱
随着我们从IT进入AI时代，人工智能的价值正在进一步被挖掘。由于人工智能能够更准确、更及时、更全面、更完整地记录信息，所以在打击洗钱和犯罪等领域有着重要作用，这也会成为整个社会的趋势。
人工智能时代反洗钱思路的转变
1、智能KYC
反洗钱客户身份识别(KYC)的关键是确定UBO实际/最终控制人(Ultimate Beneficiary Owner)。随着人工智能的发展，传统面对面收集客户信息的服务模式已升级为线上收集客户身份信息。机构可依托内外部大数据获取关键信息，进行深度挖掘分析以识别UBO，有效降低交易双方的信息不对称性，为反洗钱提供风险预警，引导其提前采取预防措施。
在充分利用机构内部已有数据(主要包括客户与账户的基本信息)的情况下，补充更多与客户洗钱风险相关的外部数据，如设备数据、IP数据、用户行为数据、舆情数据等，互联网数据覆盖人群更广，这些维度的弱特征数据可以广泛应用于客户身份识别，成为传统风控数据的有效补充。利用有监督算法模型、半监督算法模型和深度学习，可以有效提升身份识别准确率，使反洗钱决策智能化。
2、大额和可疑交易识别
在传统的专家规则基础上，还可利用机器学习技术识别大额和可疑交易。反洗钱交易模型通过收集正常交易和洗钱交易的样本，基于数据质量分析报告对数据进行缺失值处理和异常值处理后，利用特征工程，提取反洗钱交易重要特征，形成训练数据集。基于数据特点、不同模型的特性和业务场景选用合适的模型。利用测试数据训练集评估结果，特征工程、模型选择和模型参数调优三者都会影响模型的准确性。
通过机器学习模型，可有效判别腐败、毒品、走私、非法集资等不同特征的大额交易和可疑交易，节省大量人力成本的同时有效监控分析大额和可疑交易并上报监管，满足合规需求。
3、复杂网络
传统意义上，从个体的行为特征即可通过反洗钱规则引擎识别可疑交易。但犯罪团伙高级、隐蔽的手段，很难被单纯基于个体风险识别方式察觉。复杂网络能针对复杂对象的关联关系进行非线性建模，由节点(实体)和节点之间错综复杂的关系(实体之间关系)构成拓扑网络结构，实现从全局的网络角度，分析个体在群体中的风险、作案手段，以及团伙作案概率，识别“个体正常”但是属于洗钱团伙的行为和数据。
复杂网络运用大数据爬取、处理和存储技术，将多来源数据清洗后，结合业务场景创建schema，定义实体、关系及属性，绘制出大型的关系语义化网络和洗钱关系图谱，将规则、关系及变量通过关系网络表现，通过更深层信息挖掘和推理，提供动态分析和监测。
复杂网络通过构建人、账户、手机、设备、企业等关联网络，结合时序分析，计算中心性、重要性等指标，识别账户及关联账户的异常交易链路，不仅能根据已列入黑名单的洗钱账户识别关联账户群组及生态圈，而且可以基于异常关系网络分析，识别新生成的洗钱团伙。基于识别的关系网络指标实时动态部署规则，实现洗钱团伙挖掘。
伴随我国金融业进一步对外开放进程，反洗钱也将成为我国参与国际治理越来越重要的领域。同盾科技始终关注新技术的发展，致力于探索新技术在反洗钱领域的应用，通过机器学习结合业务专家经验，建立反洗钱知识库，帮助从业机构持续提升反洗钱能力。
京公网安备 11010502049343号