背景與挑戰：

隨著(zhù)近年來(lái)反洗錢(qián)監管力度的不斷加強，銀行投入了大量人力進(jìn)行反洗錢(qián)工作，然而仍然面臨人工審核工作量大、時(shí)效性差、上報率低，出現漏報、多報等問(wèn)題。

業(yè)務(wù)目標：

通過(guò)運用AI反洗錢(qián)技術(shù)，提升識別準確率，高風(fēng)險案件優(yōu)先推送審核，降低人工成本。

難點(diǎn)與關(guān)鍵成功因素：

• 多場(chǎng)景建模：反洗錢(qián)合規場(chǎng)景包含十多種不同類(lèi)型，機器學(xué)習建模耗費時(shí)間較長(cháng)。第四范式自主研發(fā)的先知平臺及模型解決方案能成倍縮短建模時(shí)間，提升建模效率。
• 高維海量數據：反洗錢(qián)建模涉及海量交易數據和高維度的業(yè)務(wù)特征。第四范式先知平臺具有高維特征計算能力，運用在反洗錢(qián)中能夠提升可疑案件識別準確率。
• 效果穩定性：合規場(chǎng)景對解決方案效果的衰減有較低的容忍度。第四范式自學(xué)習技術(shù)，通過(guò)模型上線(xiàn)后自動(dòng)學(xué)習更新，始終保證與業(yè)務(wù)同步。
• 圖關(guān)系計算：洗錢(qián)及金融犯罪存在團伙作案的特點(diǎn)，圖關(guān)系等對可疑案件識別和受益人分析有較大幫助作用。第四范式結合自有的知識圖譜技術(shù)、企業(yè)關(guān)系圖譜和地址智能分析產(chǎn)品——星圖，打造有效的反洗錢(qián)解決方案。
• 實(shí)時(shí)時(shí)序計算：第四范式實(shí)時(shí)時(shí)序計算技術(shù)及實(shí)時(shí)時(shí)序數據庫能夠低延時(shí)處理高頻大量交易，通過(guò)時(shí)序特征構造更多的交易行為模型，提升模型識別準確度。

業(yè)務(wù)成果：
模型線(xiàn)下評估AUC效果為0.949，業(yè)務(wù)價(jià)值體現為：

1. 頭部30%的案宗，召回率達到90%以上，實(shí)現了快速識別高風(fēng)險洗錢(qián)案宗的目的。

2. 前70%的案宗中，召回率達到了99.6%，在沒(méi)有明顯遺漏的情況下，可拋棄尾部案宗，大幅削減了人力審核資源投入。

展望未來(lái)：

在反洗錢(qián)監管要求愈加嚴格的情況下，反洗錢(qián)義務(wù)機構對提升效果、降低成本、有效控制合規風(fēng)險的需求也越加迫切。AI技術(shù)與反洗錢(qián)結合的管理方法將成為效能提升的重要突破點(diǎn)。