以金融科技為盾助力反洗錢工作

隨著普惠金融的快速發展，互聯網基金銷售模式日益多元化，為廣大居民購買基金進行理財提供了方便快捷的渠道。互聯網基金銷售通過非面對面方式為大量客戶提供金融服務，給基金公司開展反洗錢工作帶來不小的挑戰。

與此同時，隨著計算機性能的提升和計算理論的優化，人工智慧和大數據技術逐步成熟，金融科技給金融行業帶來了變革式影響。近年來，基金行業創新性地探索將人工智慧和大數據技術引入反洗錢工作，圍繞客戶身份識別、洗錢風險分析及異常行為監測等開展了一系列的創新研究和實踐，取得了良好的成效。

引入人臉、圖像識別技術，提高客戶身份識別的有效性

為解決通過互聯網遠程提供服務客戶身份驗證難題，基金公司正在嘗試開展將人臉識別技術、光學字元識別技術（OCR）等運用到客戶身份識別環節，作為讀取、收集以及核驗客戶身份信息和受理相關賬戶業務申請的輔助手段。通過使用人臉識別系統，結合身份證識別的OCR技術，並引入權威資料庫進行多項要素核驗，可幫助基金公司快速辨別、確認客戶身份，更為有效地落實賬戶實名驗證的要求，保障客戶的資金和賬戶安全，大大降低洗錢犯罪分子利用互聯網操縱他人賬戶進行洗錢違法活動的風險。

運用大數據技術，提升洗錢風險分析能力

基金公司在為廣大居民提供優質專業的理財服務時，如何發現極少數洗錢違法分子的蛛絲馬跡是一大難題。與此同時，基金業務普遍遵循客戶申購贖回資金同一賬戶進出的原則，資金來源清晰，業務場景相對單一，數據資源並不豐富，基金公司基於數據開展風險分析存在先天不足。金融科技為基金公司的洗錢風險分析提供了出路，技術領先的基金公司已開始積極探索大數據在洗錢風險分析的運用，包括：利用網路爬蟲技術監測互聯網洗錢風險信息，嘗試通過外部風險信息豐富高風險業務場景；研究引入外部數據服務，積極探討與徵信、反欺詐、反恐怖融資領域等第三方的合作方案；綜合運用內外部可用數據，不斷構建客戶標籤和複雜網路描繪客戶關係，通過可視化技術從微觀及宏觀角度識別高風險群體等。基金公司可利用分析結果開展客戶的持續與重新識別，對低風險客戶採取簡化的識別措施，將資源集中到涉嫌洗錢違法犯罪的高風險情形，並採取有針對性的風險防控措施。

藉助機器學習演算法，優化可疑交易監測模型

基金公司還積極嘗試在海量歷史交易數據的基礎上，運用機器學習演算法挖掘洗錢違規交易的行為特徵，並將優化的模型通過系統化進行沉澱，進而投入到實際業務，以提升高風險客戶識別和可疑交易監測工作的科學性、有效性。同時，基金公司正在研究建立數據閉環，將已確認的風險情形作為學習樣本供模型持續優化，以實現可疑交易分析監測模型的持續學習與成長。

反洗錢 金融科技的嘗試，為基金行業提升洗錢風險分析、監測、防控等能力提供了有益的探索方向，相信未來基金行業將持續投入更多金融科技資源，以風險為本深入推動反洗錢工作提質增效，主動積極地發揮反洗錢「第一道防線」的作用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！