国内某大型银行
AI反洗钱解决方案

背景与挑战

随着近年来反洗钱监管力度的不断加强,银行投入了大量人力进行反洗钱工作,然而仍然面临人工审核工作量大、时效性差、上报率低,出现漏报、多报等问题。

业务目标

通过运用AI反洗钱技术,提升识别准确率,高风险案件优先推送审核,降低人工成本。

难点与关键成功因素

多场景建模:反洗钱合规场景包含十多种不同类型,机器学习建模耗费时间较长。第四范式自主研发的先知平台及模型解决方案能成倍缩短建模时间,提升建模效率。

高维海量数据:反洗钱建模涉及海量交易数据和高维度的业务特征。第四范式先知平台具有高维特征计算能力,运用在反洗钱中能够提升可疑案件识别准确率。

效果稳定性:合规场景对解决方案效果的衰减有较低的容忍度。第四范式自学习技术,通过模型上线后自动学习更新,始终保证与业务同步。

图关系计算:洗钱及金融犯罪存在团伙作案的特点,图关系等对可疑案件识别和受益人分析有较大帮助作用。第四范式结合自有的知识图谱技术、企业关系图谱和地址智能分析产品——星图,打造有效的反洗钱解决方案。

实时时序计算:第四范式实时时序计算技术及实时时序数据库能够低延时处理高频大量交易,通过时序特征构造更多的交易行为模型,提升模型识别准确度。

业务成果

模型线下评估AUC效果为0.949,业务价值体现为:

90%

头部30%案宗召回率
头部30%的案宗,召回率达到90%以上,实现了快速识别, 高风险洗钱案宗的目的。

99.6%

前70%的案宗召回率
前70%的案宗中,召回率达到了99.6%,在没有明显遗漏的情况下,可抛弃尾部案宗,大幅削减了人力审核资源投入。

模型线下评估AUC效果为0.949,业务价值体现为:

1. 头部30%的案宗,召回率达到90%以上,实现了快速识别高风险洗钱案宗的目的。

2. 前70%的案宗中,召回率达到了99.6%,在没有明显遗漏的情况下,可抛弃尾部案宗,大幅削减了人力审核资源投入。

展望未来

在反洗钱监管要求愈加严格的情况下,反洗钱义务机构对提升效果、降低成本、有效控制合规风险的需求也越加迫切。AI技术与反洗钱结合的管理方法将成为效能提升的重要突破点。