1月29日，人民银行拉萨中支首次对外公示西藏金融科技创新监管工具2个创新应用，其中之一为建设银行西藏分行申报的“基于洗钱风险识别的交易风控服务”，该行负责系统研发并提供金融应用场景，系统部署于建行总行，无第三方机构参与。

应用大数据、流式计算等技术，实时分析识别洗钱风险

据《银行科技研究社》了解，该项目旨在打造洗钱风险监测模型，助力银行更为高效、精准地识别洗钱风险，提升反洗钱工作水平。

该创新应用主要运用三项技术。

一是大数据技术。基于客户授权，建设银行西藏分行对行内数据（客户历史交易等）和行外数据（工商数据、司法涉诉数据、客户及地区黑灰名单等）进行清洗和指标化处理等操作，丰富洗钱风险识别的数据维度。

二是逻辑回归、决策森林等机器学习技术。通过特征分析和样本训练构建洗钱风险监测模型，从而更准确地识别可疑交易和潜在洗钱风险客户。

三是流式计算技术。实时分析处理客户交易信息，及时甄别、发现潜在洗钱风险，提升反洗钱工作的时效性。

该应用的创新性在于三点。

一是在数据应用方面，对司法涉诉数据中涉及洗钱的案件进行重点挖掘分析，实现多维度数据支撑。

二是在识别精准性方面，较以往人工分析风险的方式，洗钱风险监测模型可处理海量数据，生成更精准的风险参考结果。

三是在效率方面，较传统模式下统一批处理方式进行风险识别，该应用实现对客户交易信息等数据的实时分析，有利于提升洗钱风险识别及时性。

该项目的预期效果是，提升建设银行西藏分行洗钱风险识别能力，所监测交易覆盖率达100%，识别准确率较人工提升约40%；预期规模则是，对该行全量客户进行洗钱风险监测，年监测交易笔数约6000万笔。

针对风险点之一“洗钱风险监测模型结果准确性会因违法方式的变化出现偏差”，防范措施为，持续观察跟踪模型结果，做好样本积累和模型算法的验证工作，并加强与内部反洗钱部门沟通，不断对违法案件进行总结梳理，逐步优化模型参数，确保模型调优达到预期效果。

同时，加强人工监控，配备专属人员及时进行人工干预，保障模型结果的准确性。

洗钱手段愈加复杂化，科技赋能银行反洗钱工作

近年来，不法分子将犯罪所得及其产生的收益清洗为合法收入的案例屡见不鲜。随着互联网技术在金融领域应用的深化，以及人工智能等高科技的发展，洗钱行为呈现出更隐蔽、更复杂、方式更多样的趋势，传统的反洗钱手段难以有效挖掘基于新兴技术的洗钱行为，难以对大量的可疑交易进行高效、精准排查。尤其是跨国洗钱行为，让反洗钱工作难度进一步提高。

另外，2019年国际反洗钱评估总体认可我国反洗钱工作取得的进展，但也指出其中存在不足，反洗钱监管有效性、金融机构反洗钱水平等与国际要求还有一定差距。

因此，国家和监管机构对金融机构反洗钱工作提出了更高的要求。

人民银行发布的《金融机构反洗钱和反恐怖融资监督管理办法》自2021年8月1日起施行，其督促金融机构提升反洗钱工作水平，明确金融机构反洗钱组织机构、人力资源保障、反洗钱信息系统和技术保障等要求。

2022年3月16日，人民银行召开反洗钱工作电视会议，提出推动反洗钱工作高质量发展；进一步完善反洗钱人才队伍建设，提升反洗钱科技运用和宣传培训等基础工作实效。

显然，人才培养和科技应用将是反洗钱工作中的重要方向。

据《银行科技研究社》了解，多家国有银行、股份制银行、城商行在反洗钱系统中探索运用大数据、AI、RPA等技术。

比如，工商银行基于大数据分析，开发了图表分析技术，其智能甄别助手可从多角度对客户账户的资金交易情况进行分析，提升对异常客户分析的精确性和有效性。工行茂名分行运用反洗钱智能甄别助手，开展异常交易甄别分析，可疑交易报告大幅增长，2020年报告数量较同期增长450%。

农业银行广东分行融合应用人工智能、图表分析、数据挖掘等技术开展反洗钱监测模型研究，加强可疑账户资金交易监测和评估，监测分析模式从单一账户分析转化为多层次链接交易对手综合研判，解决反洗钱监测分析工作中面临的数据孤岛、信息分散、无法有效跟踪可疑资金流向等问题。

兴业银行在反洗钱工作中，利用大数据平台，建立客户“洗钱风险”画像；搭建监测模型实验室，实现对各类洗钱手法进行分析和监测；探索引入反洗钱RPA机器人，通过AML+RPA+AI等技术的结合，以达到增强洗钱风险防控能力、推动业务数字化转型等效果。

北京银行引入大数据手段，开展分布式数据库建设，还将借鉴同业先进系统建设经验，在反洗钱数据集市、模型实验室、机器学习等方面进行探索。