2020年的9月反洗钱，大学毕业不久的徐叶等6人，在发财梦中被民警抓捕。隐瞒违法犯罪所得罪是他们被逮捕的罪名，除此之外他们还有可能成为诈骗罪的共犯。

事实上徐叶几个人并没有参与诈骗，也没有实施具体的犯罪，他们只是做了一件在他们看起来无关紧要的事情，出租自己的第三方支付账号，移动支付时代几乎人人皆有的账号。

被捕不是因为反洗钱

虽然徐叶等人因为参与洗钱被捕，但是徐叶的被抓不是因为银行或者第三方支付机构在第一时间分辨出来其账户存在问题进而报警发生的。

而是受害人在被骗之后迅速报警，由警方顺藤摸瓜在5天内前往多地实施快速抓捕才让徐叶几人落网，而此时受害人被骗的钱已经被转走导致无法追回。

从此案和更多类似的“跑分”洗钱案例来看，在犯罪分子开始租借合法账户进行洗钱的当下，单凭KYC对于反洗钱的需求已经有点略显不足。

在传统的反洗钱工作中，KYC反洗钱：Know Your Customer，是非常重要的一环。通过KYC，金融机构可以有效识别虚假商户从而打击虚假交易、洗钱。

但是在这个时代，人手一个的二维码和普遍使用的网络支付让参与洗钱的门槛大幅降低，可以说在当前这个时代，人人都可能参与洗钱。犯罪分子不再需要注册虚假的商户，不需要去编造用户信息，也不需要造假账，直接租合法的账户就可以了，人人都有，成本非常低。

因此金融机构仅仅通过KYC，很难在第一时间发现问题。

KYD：Know Your Data

从2007年实施的《反洗钱法》算起，我国依法打击洗钱工作已经进行了十余年。在十余年的时间里，不断有相关的法规、政策、文件出台。在制度不断完善的同时，金融机构面对的反洗钱职责也越发沉重。

2021年的春天刚刚结束，人民银行发出的反洗钱罚单总额就已经超过了1亿元，涉及银行、券商等多家金融机构。

面对监管压力和实际需求，KYD：Know Your Data“了解你的数据”成为了新的解决方案。很多金融机构在这方面也开始了属于自己的探索，但是遇见了很多痛点。

首先，移动支付和线上支付带来了海量交易，很多交易行为具有小额高频的特点，导致金融机构很难从海量交易中识别可疑交易。

其次，基于规则的可疑交易筛选会带来较高的误报率，即使是经过优化的可疑交易规则，其误报率也高于80%，也就是说一万笔可疑交易，被误报的交易就超过了8000笔。

大量的误报需要大量的人工进行复核。据了解，大型国有银行从事反洗钱人工复核的人员超过千人，一年在反洗钱可疑交易复核工作投入的成本超过3亿元，五家大型国有银行每年在反洗钱可疑交易人工复核工作上投入的总成本超过20亿元人民币。

最后，洗钱集团或者地下钱庄非常了解反洗钱可疑交易规则，他们通常会通过海量交易账号、复杂交易手段、投资贸易赌博、艺术品拍卖等非金融手段来掩盖其洗钱交易行为，往往采用多重身份、大量账号、低频交易、复杂交易路径、混于正常交易之中等方式来避开可疑交易规则筛查。

规则引擎无法对隐藏在正常贸易交易和低频转账交易中的可疑行为进行有效识别，也无法对海量交易和复杂交易手段的洗钱行为进行识别，这是目前反洗钱技术面临的巨大挑战。

反洗钱与人工智能

尽管反洗钱工作已经受到了各方政府和金融机构的高度关注，但由于洗钱手段的复杂性和多变性，如何有效检测洗钱活动仍然是一个巨大挑战。

当前，绝大多数反洗钱系统仍然是基于规则的。这些反洗钱规则虽然能够帮助发现一些异常的洗钱行为，但毕竟大多是根据历史数据总结出来的，过于依赖人工经验，难免疏漏。

人可能会发生疏漏，人工智能不会发生疏漏，其工作效率和审核水平大致随着训练次数的增加而提升。运行越久，输入越多，修正越多，其可疑交易的识别能力就越强，误判和漏判的概率就越低。

人工智能究竟如何应用在金融风控和监管合规当中反洗钱？目前有没有什么创新案例反洗钱？

5月27日，由北京金融科技产业联盟、移动支付网联合主办的“2021第四届中国金融科技发展大会”将在重庆举行。

会上，慧安金科创始人黄铃将以《人工智能在金融反欺诈反洗钱中的创新应用》为主题进行分享，详细解析人工智能在反洗钱领域的应用探索。

黄铃，慧安金科创始人、CEO，清华大学交叉信息研究院兼职教授。美国加州大学伯克利分校计算机科学博士，从事机器学习算法研究以及计算机网络建模应用。曾任美国英特尔研究院资深科学家，和Intel McAfee开展多个合作项目，应用人工智能技术解决信息和数据安全问题，在人工智能、大数据分析和金融科技相关领域有近15年的研究和开发背景，在世界顶尖会议上发表近50篇论文，Google Scholar总引用已超过7000次。

大会详情见官网：2021第四届中国金融科技发展大会《金融科技“振”当时》_移动支付网