网站导航
大数据挖出洗钱黑手
一家在网上经营茶叶的商户，商品种类极少，商品介绍很简单，价格却比同类产品高出数倍。这家店铺的在线客服不接受业务咨询，营业额却很高，信用评价中有类似“给力”“你懂的”“天龙”等与商品不符的用词。
再仔细核对后发现，店铺中产地为福建的商品均由湖北发出。此商户的买家每隔一周或一个月就重复购买同一商品，且成交金额相对固定。综合以上线索，蚂蚁金服的反洗钱人员推定该商户正在通过网络秘密出售违禁精神药品，随后将相关线索上报给了监管部门。
类似的打击事例在蚂蚁金服的反洗钱平台上并非个案，仅今年上半年，蚂蚁金服的反洗钱团队就向反洗钱监测分析中心报送300多份可疑交易报告，其中多份已移送公安机关。
据了解，在蚂蚁金服这样一些互联网金融平台上，支付、融资等各种行为都会留下痕迹，这样积累下的大数据，给反洗钱工作带来了良机。
蚂蚁金服反洗钱相关负责人表示，由于掌握的不仅仅是简单的金额数据，还包含消费行为等各种维度的信息，这些信息可以让反洗钱人员一改线下静态、片面的信息采集方式，可以动态、持续地了解客户，破除洗钱人员的各种伪装，综合资金、非资金关联关系、电子商务等动态信息，揪出犯罪分子。
建立7大模型实现智能化反洗钱
据了解，目前的反洗钱工作主要通过大额可疑信息报告制度完成，具体到可疑交易识别、预警、报告等过程，均需要大量金融机构的前台柜员来参与。这样不仅增加了信息搜集和报告的边际成本，而且还存在覆盖面窄、误报率高、时效性差等缺点。
因为掌握了大数据，蚂蚁金服在反洗钱工作中采取了先利用数据智能化排查，待发现可疑交易后再进行人工甄别的方式，从而大大提高了效率，也减小了误报率。
据悉，蚂蚁金服分析了常见的7大类上游犯罪交易特征，并以此为基础，结合互联网支付特性，综合考量客户属性、交易及资金属性、环境设备及关联关系信息，自主建立异常交易监测规则。同时，研发离群特征分析模型侦测偏离正常模式交易。利用大数据，蚂蚁金服将建立起这7大类上游犯罪的监控模型，一旦用户的资金行为出现可疑迹象，机器将自动识别。而且通过以往的案件中总结出可量化特征，学习各种黑样本之后，这套智能反洗钱体系还将会越来越聪明。
蚂蚁金服反洗钱业务相关负责人介绍说，在探索利用大数据搭建起智能反洗钱体系后，蚂蚁金服希望能和金融机构一道合作，加大对恐怖融资和网上洗钱的打击力度。下一步，还将上线反洗钱风险指数，提供给监管部门，以便监管实时掌握网络上洗钱风险。
(责任编辑：DF155)
