科技助力金融犯罪管理轉型專題研究報告

一、近期發展情況概述

司法管轄區：澳大利亞

關鍵法規更新

繼澳大利亞兩家大型銀行因違反反洗錢和反恐融資法律 而被處以創紀錄的罰款之后，澳大利亞監管機構——澳 大利亞交易報告和分析中心（AUSTRAC）——在繼續關 注澳大利亞金融服務和支付領域參與者如何管理金融犯 罪風險方面獲得動力和政治支持。

因此，AUSTRAC針對澳大利亞金融行業的主要參與者以 及支付領域的跨國企業和新興參與者開展了詳細審查，審 查結果強調了金融犯罪風險管理方面的許多系統性問題。

此外，澳大利亞政府和AUSTRAC等監管機構在繼續推進 金融犯罪風險和風險管理改革議程方面一直面臨壓力。因 此，澳大利亞為應對全行業審查出臺了一系列改革措施，例 如皇家委員會金融服務行業不當行為調查以及金融行動特 別工作組（FATF）互評估建議，包括：

銀行高管問責制度（BEAR）的適用范圍擴大到其他金融服務公司，這將導致金融服務公司和其他實體（例如財富管理公司和支付服務提供商）需要履行與行為、文化和 風險管理（包括金融犯罪風險管理）相關的更多職責和 端到端產品責任。適用范圍擴大之后，BEAR制度將會更 名為財務問責制度（FAR）。

2020年12月通過《2020年反洗錢和反恐融資及其他立 法修正案（Anti-Money Laundering and Counter-Terrorism Financing and Other Legislation Amendment Bill 2020）》 （簡稱《修正案》），《修正案》將會落實2015年FATF報 告中的建議，并變更澳大利亞反洗錢/反恐融資框架中與 客戶識別程序、代理銀行關系、犯罪舉報、信息獲取和跨 境資金流動相關的關鍵要素。相關變更已于2021年6月18 日生效。

審慎監管機構——澳大利亞審慎監管局（APRA）——更 新風險管理（《CPS 220風險管理審慎標準（Prudential Standard CPS 220 Risk Management）》和《CPG 220 風險管理審慎實踐指南（Prudential Practice Guide CPG 220 Risk Management）》，2019年7月1日生效）和信息安全（《CPS 234信息安全審慎標準（PrudentialStandard CPS 234 Information Security）》，2019年 7月1日生效）相關標準和指南。與此同時，APRA要求金 融服務公司和董事會建立適當的報告機制，以此提高其 在遵守金融犯罪相關規定和管理風險方面的透明度。

除此之外，AUSTRAC還與眾多行業和社區組織合作針 對《反洗錢/反恐融資客戶識別和驗證規則（AML/CTF Customer ID and Verification Rule）》 （2020年5月8日 生效）進行修訂，以此幫助逃離家庭暴力的澳大利亞人獲 得經濟獨立。根據該規則，如果客戶不能出示駕照或出生 證明或提供不同地址，銀行和其他受監管實體可以采用其 他方式驗證客戶身份。參閱AUSTRAC發布的更新指南獲 取關于報告主體如何應用該規則的更多信息。

執法行動

2020年9月，AUSTRAC對澳大利亞某大型銀行的反洗錢/ 反恐融資違規行為開出13億澳元的創紀錄罰單，部分原因 在于其未對兒童性剝削相關交易進行監測。AUSTRAC調 查發現，該行違反《2006年反洗錢和反恐融資法案（AntiMoney Laundering and Counter-Terrorism Financing Act 2006）》（簡稱《反洗錢/反恐融資法案》）的次數超過 2,300萬次，導致澳大利亞金融系統長期暴露在風險之中。

2019年，由于擔憂持續存在，AUSTRAC下令為兩家大型支 付/技術公司任命外部審計師，負責審查其遵守《反洗錢/反 恐融資法案》規定的情況。

2019年，AUSTRAC還對兩個報告主體未根據《反洗錢/反 恐融資法案》規定報告國際資金轉移情況的行為向其發出 罰款和違規通知。

司法管轄區：新西蘭

關鍵法規更新

2020年9月，新西蘭反洗錢和反恐融資監管機構聯合更新 《增強版客戶盡職調查指南（Enhanced Customer Due Diligence Guideline）》 ，以此幫助報告主體了解何時需要 或者應當根據報告主體的反洗錢/反恐融資風險評估開展 增強型客戶盡職調查。

2020年3月，反洗錢/反恐融資監管機構發布與新冠疫情期 間個人身份識別相關的緊急指南。該指南概述了報告主體 如何繼續履行與客戶盡職調查和賬戶監測相關的反洗錢/ 反恐融資義務，從而限制新冠疫情的擴散和傳播以及客戶 交互。

2019年11月，新西蘭反洗錢/反恐融資監管機構、內政 部（DIA）、金融市場管理局（FMA）和新西蘭儲備銀行 （RBNZ）聯合更新并發布兩份新的指導文件，其中概述了 修訂后的反洗錢/反恐融資監管框架 （說明三大反洗錢/ 反恐融資監管機構的職權范圍）以及《反洗錢/反恐融資法案》適用的地域范圍。

新西蘭反洗錢/反恐融資法律（2017年根據《2017年反 洗錢和反恐融資法案修正案（Anti-Money Laundering and Countering Financing of Terrorism Amendment Act 2017）》頒布）“第二階段修訂” 已于2019年8月1日 進入最后階段。這意味著，自2019年8月1日起，新西蘭競 賽委員會（負責管理新西蘭的所有競賽和體育博彩）必須 將反洗錢/反恐融資措施落實到位。此外，如果某些操作標 準適用，會計師、律師、房地產經紀人以及高價值商品（例 如珠寶、貴金屬、寶石、手表、汽車、船艇、藝術品或古董） 貿易企業都需要遵守《反洗錢/反恐融資法案》。

執法行動

2020年7月，DIA對兩家匯款業務公司在2014至2019 年期間違反《2009年反洗錢和反恐融資法案（2009 Anti-Money Laundering and Countering Financing of Terrorism Act）》的行為處以超過750萬新西蘭元的罰 款。違規行為包括不配合DIA的調查、試圖誤導DIA以及試 圖掩蓋其中一家匯款業務公司作為報告主體的身份。

2019年8月，新西蘭警方在奧克蘭展開重大反洗錢調查， 逮捕六人，查獲數百萬資產。

2019年7月，DIA對新西蘭某領先工作場所提供商內的七個 報告主體違反《反洗錢/反恐融資法案》的行為向其發出正 式警告，違規行為包括未開展客戶盡職調查和增強型盡職 調查、未保存相關記錄以及未制定、實施和維護現行風險 評估和反洗錢/反恐融資計劃。

2019年6月，DIA對新西蘭某大型保險箱業務供應商未履 行反洗錢/反恐融資義務的行為向其發出正式警告，相關行 為包括未開展客戶盡職調查、未充分監測賬戶和交易、未 保存相關記錄以及未制定、實施和維護反洗錢/反恐融資 計劃。

司法管轄區：中國香港

關鍵法規更新

香港金融管理局（HKMA）繼續致力于“推動反洗錢工作 中的負責任創新”，并且重點關注：

1. 確保新興行業實現負責任發展，并為避免其被不良行 為者利用制定充分的保障措施；

2. 及時更新相關要求，推動金融機構充分利用新技術提 供的機會；

3. 根據HKMA的目標推進變革，“以便我們能夠繼續開展 有效監管；在監管過程中，需要基于我們所監管部 門發生的變革進行思考和采取行動”。

為支持“反洗錢工作中的負責任創新”，HKMA更新關鍵法律法規，旨在針對如何利用科技打擊金融犯罪以及市場新進入者如何 為管理金融犯罪風險制定充分的保障措施和建立完善的框架體系提供明確指引。

執法行動

香港證券及期貨事務監察委員會（SFC）對幾家金融機構的反洗錢違規行為（包括與反洗錢風險相關的內部控制問 題）處以超過2,500萬港元的罰款。

司法管轄區：中國大陸

關鍵法規更新

2021年1月，中國人民銀行（PBOC）發布更新指南，其中 概述了受監管金融機構應當如何完成針對洗錢/恐怖融資 風險的機構風險評估。根據該指南，受監管金融機構須在 2021年12月31日前建立機構風險評估制度，并于2022年 12月31日前完成首次機構風險評估。法人金融機構開展洗 錢風險自評估應當遵循以下原則：

全面性原則

– 覆蓋本機構所有經營地域、客戶群體、產品業務（含服 務）、交易或交付渠道；

– 覆蓋境內外所有與洗錢風險管理相關的分支機構及總 部有關部門；

– 充分考慮各方面風險因素，貫穿決策、執行和監督的全 部管理環節；

客觀性原則；

匹配性原則；

靈活性原則。

2020年12月30日，PBOC公布《金融機構反洗錢和反恐怖 融資監督管理辦法（修訂草案征求意見稿）》，其中概述 了在2019年完成FATF評估之后旨在全面改革中國反洗錢 框架的擬議措施。在完成意見征集和審批流程之后，這些 新措施將取代PBOC于2014年建立的反洗錢制度。該管理 辦法自2021年8月1日起施行。

執法行動

在過去幾年中，反洗錢執法檢查力度持續加大，處罰頻率 和處罰金額均有增加。據不完全統計，2019年，人民銀行 全系統共對1,744 家義務機構開展反洗錢執法檢查，針對 違反反洗錢規定的行為依法予以處罰，罰款金額總計人民 幣2.15億元，同比增長13.7%。依法處罰違規機構525家，罰 款人民幣2.02億元；處罰違規個人838人，罰款人民幣1,341萬元。2020年，人民銀行對614家金融機構、支付機構等反 洗錢義務機構展開了專項和綜合執法檢查，依法完成對537 家反洗錢義務機構的行政處罰，處罰金額人民幣5.26億 元；處罰違規個人1,000人，處罰金額人民幣2,468萬元。鑒 于人民銀行和其他政府機構對此問題十分重視，因此未來 幾年的檢查和處罰力度預計將會繼續增加。

二、科技應用助力打擊金融犯罪

機器學習

機器學習屬于人工智能范疇，可以持續改進模型，從 而有效捕捉在規則導向型方法下幾乎不可能有效編 碼的犯罪行為。通過不斷接觸數據點，機器“學會” 理解數據中的模式或除預定義編碼之外的任務，因 此可對大型復雜數據集進行更加準確的預測分析。 這主要得益于機器快速適應新威脅和新方法的能 力。機器學習尤其適用于洗錢/恐怖融資交易監測， 原因在于其可針對犯罪行為“做出判斷”，從而提高 風險評估準確性并且降低誤報風險（向團隊發出注 意可疑不當行為的錯誤提醒）。

人工智能

人工智能可以模擬人類認知并且承擔相對復雜的推 理和決策任務。人工智能可以幫助實現業務流程自動 化、檢測犯罪行為模式、生成洞察并且通過日常溝通 推動客戶和員工參與。該項技術主要用于改進客戶盡 職調查流程（加快流程速度并且生成更加準確的反 洗錢數據），從而助力金融機構開展全面風險評估。

自然語言處理

自然語言處理同樣屬于人工智能范疇，可以幫助系統 識別和解讀人類語言的含義。自然語言處理可以助 力機器處理和“理解”大量非結構化數據，例如新聞 文章、電子郵件和社交媒體文章。從反洗錢/反恐融 資角度來看，機器能夠閱讀和編輯個人或組織相關信 息、考慮信息背景并且針對該個人或組織是否可疑“ 做出判斷”。因此，自然語言處理可以通過自動生成 使用標準術語和語言的報告來支持可疑活動報告和 可疑交易報告流程，從而幫助金融機構減輕管理負 擔并且確保采用一致方法。此外，自然語言處理可為 金融機構識別政治敏感人物和被制裁人員提供更加 可靠的篩查解決方案。

機器人流程自動化

機器人流程自動化利用邏輯和結構化輸入實現此前 人工業務流程的自動化。機器人流程自動化軟件可以 捕捉、解讀和處理數據，從而執行移動文件夾和文 件、將數據復制粘貼到不同系統以及填寫表單等操 作。由于機器人流程自動化具有重復性、常規性和規 則導向性特點，因此許多人工金融犯罪風險管理流 程均可受益于機器人流程自動化的應用，包括姓名篩 查、交易監測和可疑活動報告/可疑交易報告。此外， 機器人流程自動化可以推動需要進行“綜合推理”的 復雜任務實現自動化，因此其與機器學習和自然語 言處理等人工智能技術相結合時所發揮的效果尤為 突出。

大數據/數據分析

大數據分析利用先進的診斷方法消化各種來源的大 量數據，包括結構化和非結構化數據集。鑒于全球每 天都會產生大量信息，因此大數據分析需求已變得 愈發重要。作為分析的一部分，機器可以識別存在洗 錢或恐怖融資風險的消費者行為模式和關系。

云計算

云計算可以在數據訪問、整合、擴充和處理方面發揮 作用，從而幫助金融機構提高靈活性并且顯著降低 運營成本。監管科技解決方案通常以云技術為基礎。 從反洗錢角度來看，云計算可以在不影響數據可訪 問性或數據質量的情況下助力整合來自不同來源的 大量數據，因此尤其適用于通過識別資產受益人等 方式開展客戶盡職調查分析。

隱私增強技術

隱私增強技術可以幫助用戶分析在安全環境中保存 的數據，并且生成不泄露任何敏感信息的報告和分 析結果。某些企業已經利用該項技術實現集團內部 實體之間的信息共享，但是該項技術亦可顯著提高 在更廣范圍內進行信息共享的有效性。隱私增強技 術可以改善金融機構（私人對私人）、金融機構與反 洗錢/反恐融資監管機構（私人對公共）以及國家、國 際和超國家層面監管制度（公共對公共）之間的信息 共享，從而助力信息獲取并且支持金融犯罪風險情 報相關合作。

三、科技解決方案案例研究精選

案例一

大型國際銀行的香港子公司，業務遍及亞太地區多個司法管轄區，提供包括零售產品在內的廣泛金融 類服務。該行十多年來在反洗錢和反恐融資技術驅動型解決方案的開發和應用方面始終處于領先地位，是監管科技 的早期采用者。本案例探討了人工智能輔助機器學習和自然語言處理工具在該行姓名篩查流程中的應用，該流程旨在 針對新客戶開展盡職調查以及針對現有客戶進行定期審查。

關鍵挑戰

應用監管科技解決方案之前，該行的姓名篩查流程屬于勞 動密集型流程，需要300多名分析人員進行人工干預。隨著 觀察名單和客戶數量逐年增加，流程負擔越來越重，因此 造成運營成本上升以及出錯風險增加。傳統的規則導向型 姓名篩查系統會產生大量告警（其中許多告警后來被認定 為“誤報”），導致過度緊張的分析人員難以徹底審查和清 除告警，并且可能忽視關鍵數據點或無法完整或妥善記錄 調查信息。

該行力求大幅減少清除告警所需的人工干預，同時維持嚴 格的控制標準。該行希望開發完全自動化的解決方案，不 僅可為告警“打分”（基于潛在犯罪行為的可能性），而且可 就升級或結束案件提出人工智能生成的合理建議。

解決方案

獲得高管層的支持之后，該行組建多元化的跨職能團隊， 負責開發監管科技解決方案。團隊包括金融犯罪、合規、 風險和技術領域專家以及該行業務和產品運營部門代表。 經過對可用技術和技術供應商的詳細考量，該行決定與一 家專門從事基于機器學習的反洗錢/反恐融資應用的第三 方供應商合作開發解決方案。傳統姓名篩查系統的告警數 據（包括分析人員在審查過程中做出的決策）已被用于“訓 練”機器學習模型。這種“訓練”重復多次之后，機器學習 模型開始產生可喜成果并且進入內部概念驗證階段。

隨著概念驗證取得成功，人工智能可以在無需人工干預的 情況下處理超過25%的告警，并為決策過程提供充分“依 據”。在與第三方供應商開展合作一年之后，該行進入產出 階段，可為支持監管科技解決方案開發和重建內部系統和 控制并且在某些復雜市場中開展全面測試。

實施障礙

雖然該行在實施過程中并未遇到重大挫折，但是確實需要 應對一些挑戰。鑒于項目規模較大，該行無法在市場中找 到可以滿足其所有標準的現成解決方案。因此，該行花費 大量時間尋找合適的第三方供應商來共同開發解決方案， 并且投入大量精力和資源進行模型開發和測試。

解決方案缺乏“追蹤記錄”以及現有系統較為復雜也導致 該行需要花費大量時間更新內部系統和控制以及開展嚴格 測試。從與第三方供應商合作到進入產出階段，該行總共 耗時約12個月完成項目。

戰略影響

盡管實施過程十分漫長，但是該行采用的全面方法以及開 展的嚴格測試已幫助內外部利益相關方（包括監管機構） 建立信心。

基于機器學習的姓名篩查解決方案的主要優勢在于其可 顯著提高調查效率，將需要人工干預的告警數量平均減少 35%（在某些司法管轄區甚至達到50%）；同時亦可簡化審 查流程，讓分析人員更加聚焦那些真正標記告警而需要審 查的案例。

案例二

新加坡銀行，其在亞洲擁有大量業務，提供包括銀行、投資和資產管理在內的廣泛服務。該行是監管科 技的積極倡導者，一直致力于在亞洲地區培育金融科技初創企業并且助其實現加速發展。本案例探討了在該行的端 到端“反洗錢組件（AMLS）”集成解決方案中如何利用機器人流程自動化、人工智能輔助機器學習和自然語言處理 技術改進交易監測和姓名篩查告警流程。從啟動階段到“業務運行”階段，該項目歷時近三年時間。

關鍵挑戰

該行在姓名篩查和交易監測方面擁有規則導向型反洗錢和 反恐融資系統。與所有規則導向型系統一樣，盡管該行已 經采取優化措施，但是考慮到該行的交易量和交易速度， 仍有大量“誤報”情況出現。

該行希望利用創新和前瞻性提高效率和效益。這也可為簡 化相關反洗錢流程以及借助人工智能、機器學習和機器人 流程自動化技術關注重大風險提供機會。

解決方案

在對潛在選擇進行戰略評估之后，該行決定與一家新加坡 監管科技公司合作開發可承載反洗錢技術、工具和系統的 人工智能驅動單一集成平臺。該行與技術供應商合作設計 機器人流程自動化與機器學習技術結合的解決方案，旨在 補充和改進該行的現有系統，并且共同開發監管科技模型 風險管理和治理框架，以此支持技術風險管理、確保妥善 使用技術并且驗證已開發模型。

該行合規團隊和數據管理辦公室與技術供應商的金融科技 數據科學家密切合作，共同設計、開發、分析和部署該行反 洗錢框架中的四大關鍵流程模塊（客戶盡職調查、交易監 測、姓名篩查和付款篩查）。最終，該行針對交易監測和姓 名篩查推出AMLS集成解決方案——結合有監督和無監督 機器學習技術的端到端系統，可以提高可疑活動和高風險 客戶檢測速度和準確性。

該行致力優化交易監測流程模塊中的全新、未知可疑模式 檢測功能，同時確保姓名篩查流程模塊能夠處理更多復雜 姓名組合，并且可以利用增強“推理”功能和附加客戶信息 標識符減少未確定告警的數量。新規范與先進機器學習技 術的結合顯著提高了標記告警的準確性。

此外，該行還利用機器人流程自動化和自然語言處理技術 自動生成可疑活動報告。對于每次告警，機器人流程自動化 技術會從不同系統中提取客戶信息和交易數據，然后使用 自然語言處理技術生成的額外數據點以及客戶資金流動的 可視化圖表充實此類數據。

2018年，該行針對AMLS解決方案進行概念驗證并且取得 重要成果——交易監測流程方面，報警準確率提高5%，誤 報率下降40%；姓名篩查流程方面，針對個人的誤報率下降 60%，針對企業的誤報率下降50%。

隨著試點項目取得成功，該行于2019年進入“技術運行”階 段，并且開始在常規業務職能中部署模型。該行在此階段 繼續進行模型測試和開發，促使交易監測流程誤報率以及 針對個人和企業的姓名篩查流程誤報率進一步下降10%。

最后，在該行建立完善的治理框架和低價值告警管理框架 并對其進行測試和驗證之后，AMLS解決方案已于2020年 10月進入“業務運行”階段。

實施障礙

考慮到該行的愿景及其致力于開發優質、耐用和可擴展產 品的承諾，該行投入大量時間（近三年）和資源進行工具開 發、測試和驗證。

在概念驗證階段，該行數據管理辦公室開展了嚴格的內部 驗證，并且通過對試點項目及其方法的獨立評估進一步證 實了內部驗證“符合要求”。評估內容包括與規則導向型監 測流程進行詳細比較以及針對機器學習模型和AMLS解決 方案進行壓力測試，以此確保二者能夠處理各類反洗錢合 規案件。

隨后，該行數據管理辦公室在“技術運行”階段多次重復 上述驗證，并在進入“業務運行”階段之前進行額外的獨立 評估和模型驗證。

此外，該行還投入大量時間開發針對監管科技的人工智能 和機器學習模型管理框架，以此指導治理和模型架構的關 鍵環節，從而確保模型的準確性和穩定性。

戰略影響

在實施人工智能和機器學習模型之后，該行的交易監測和 姓名篩查告警管理效率有所提高。“業務運行”階段結束之 后，姓名篩查模型在“技術運行”階段建立的預測邊界內 繼續運行，因此“誤報”結果顯著減少。其他優勢包括：

顯著降低錯誤率（由于實現人工輸入的自動化）；

減少分析人員在輸入信息、審查告警和生成報告方面所 需的工時，并將工時重新分配給價值更高的工作；

改善合規性，提高可審計性；

規范交易監測流程。

該行計劃通過向數據庫中添加新的交易數據來繼續優化 AMLS機器學習算法，并且希望未來可在整個反洗錢框架中 實施AMLS解決方案。

案例三

越南的一家大型貸款機構。該行現有的反洗錢、欺詐檢測和交易監測流程均為規則導向型流程，并且與各 業務線系統的集成程度不同。此外，規則本身可能存在較高的錯誤率，因為規則是由專業知識推導而來。因此，該行 計劃采用更加全面的集成解決方案，旨在利用機器學習和情景分析技術改進規則導向型監測。截至本報告發布時， 該項目仍在進行中。

關鍵挑戰

目前，該行的反洗錢和欺詐檢測控制框架正面臨諸多挑 戰，并且控制環境中存在多個待改進領域。例如，員工可以 繞過人工控制或未嵌入系統解決方案（即端到端視圖）中 的控制措施。此外，缺少數據和深度模型已經造成“誤報” 結果。

解決方案

該項目分為兩個階段。第一階段目前正在進行——開展差 距分析，將該行的現有能力與反洗錢和欺詐風險方面的國際 標準和實踐進行比較，例如特雷德韋委員會贊助組織委員會 （COSO）欺詐風險管理指南以及《AS 8001-2008澳大利 亞欺詐和腐敗控制標準》。該行將會根據差距分析結果制 定第二階段行動計劃。

經過初步評估，該行目前正在考慮利用機器學習和情景分 析技術支持規則導向型分析，同時完善反洗錢和欺詐檢測 平臺。新平臺將會采用可以根據該行需求進行定制的先進技 術，以此幫助該行全面了解（實時和批量）所有交易和活動 的欺詐風險檢測情況。此外，具有精確測試參數的機器學習 模型將會提供更加穩健的統計基礎，以此應對錯誤率較高 的風險。

實施障礙

如今，該行正在致力于利用新技術推動創新。截至目前，該 行未遇到明顯的實施障礙，該項目仍在進行中。

項目時間表和預期資源需求將主要取決于差距分析結果 （目前正在進行）。然而，該行在與不同系統供應商接觸以 開發最符合需求的解決方案時或將面臨某些挑戰。這項工 作可能影響該行諸多部門，并且涉及眾多內外部利益相關 方。因此，該行正在準備采取綜合治理和執行方法，以此確 保該項目取得成功。

戰略影響

該行希望利用機器學習技術改進現有方法。其所實施的端 到端解決方案將會提高欺詐檢測效率和準確性并且降低 人力成本。此外，此項解決方案應當全面了解金融活動和 客戶風險以便為決策制定提供依據，同時確保潛在洗錢行 為檢測和調查的透明度。

四、案例研究重要啟示

評估數據質量和準備情況

在開發和實施監管科技工具的過程中，數據問題通常構成 重大（甚至最大）挑戰。金融機構不應低估識別、獲取、處 理、轉換和解讀數據所需的時間和精力。金融機構時常為 數據質量問題所困擾，而數據完整性和數據有效性往往才 是監管科技應用的主要阻礙。此外，監管科技解決方案有 時需要不易獲取的數據，因此金融機構需要投入大量時間 和成本開展修復工作。

開始實施監管科技解決方案之前，金融機構必須全面了解 相關數據要求和潛在數據障礙。“錯進則錯出”，金融機構 必須確保數據的完整性、相關性和多樣性，并且充分解決 數據偏差問題。然而，金融機構不應追求完美數據，管理層 則應了解并認識到監管科技應用過程中的局限性。

了解自身系統

對于許多金融機構而言，操作系統和數據質量問題密切相 關。事實上，梳理現有系統和流程對于存在收購遺留問題 的大型金融機構而言極具挑戰。但是所有金融機構都需要 了解其現有系統如何運作以及對于監管科技應用有何影 響。在設計監管科技解決方案時，金融機構必須決定是否 取代、集成亦或繞開現有系統。

這主要取決于項目規模以及金融機構的短期、中期和長 期目標愿景。開展技術基礎設施或系統變革或將為金融 機構帶來普遍利好，但是需要大量的前期成本、資源和 時間投入。

確保合規性

了解所有市場在數據共享、數據本地化、數據處理和數據 隱私相關監管要求方面的差異將成為金融機構開展項目的 核心原則。相比專項部署計劃，涉及多個司法轄區的大型項 目將會更早面臨相關挑戰。

金融機構需要在擴大規模和/或擴展業務的過程中考慮其 長期愿景，并且在滿足適用監管要求的同時保持足夠的靈 活性和敏捷性。例如，管理層應當考慮開展定期審計和審 查，以此識別非預期結果并采取相應行動。

建立完善的治理框架

金融機構必須明確從啟動、實施到實施后審查流程中的 監管科技解決方案管理和風險管理相關角色與職責。由 于解決方案可能涉及眾多利益相關方以及現有流程、系 統和數據，因此適當的治理和支持對于成功實施解決方 案至關重要。

嚴格的管理將確保金融機構充分了解其解決方案和相關模 型，這對其與利益相關方接洽至關重要。最后，金融機構應當持續監測模型結果，確保模型 始終在所需參數范圍內運行并且符合要求，同時記錄并儲 存模型變更相關信息，以備審計之用。

尋求利益相關方支持

在反洗錢/反恐融資監管科技解決方案的設計、測試和實 施過程中，獲得高管支持有助于建立可信度，避免孤島現 象并且確保項目方法和成果符合預期。

與監管科技的早期采用者相比，這對處于技術轉型初期的 金融機構而言更具挑戰。金融機構必須與內部利益相關方 建立良好關系，使其充分了解組織的反洗錢/反恐融資流程 和控制措施以及監管科技應用的潛在優勢，從而推動內部 利益相關方在與高管討論反洗錢/反恐融資監管科技應用 時成為監管科技的積極倡導者。

除此之外，金融機構亦需確保外部利益相關方了解并支持監管科技應用。與監管機構開展合作 還可以帶來其他收益，例如其可根據與其他金融機構和/或 監管機構的對話得出寶貴見解。

綜上所述，金融機構必須設定明確愿景，并且在科技環境 不斷變化的情況下保持靈活性和敏捷性。

組建跨職能和跨區域的多元化團隊

在實施監管科技解決方案時，金融機構必須組建跨職能和 跨區域的多元化團隊，其中包括金融犯罪、合規、風險和技 術領域專家與數據科學家以及銀行業務和運營部門代表。 多元化團隊可以提高項目效率（就時間和成本而言），確定 潛在障礙并且采取補救措施，支持針對第三方供應商的全 面評估，確保項目獲得支持，同時識別向其他領域部署監管 科技解決方案的交叉機遇。

此外，大型國際金融機構可以打造共享平臺，推動與反洗 錢/反恐融資監管科技應用相關的理念、知識和經驗在不 同企業與地區之間實現共享。

全面審查第三方供應商

在開發監管科技解決方案時，合適的第三方供應商可以帶 來豐富的經驗和技術知識，但這并非毫無風險。金融機構 需要評估供應商的長期生存能力（特別是在需要供應商持 續提供解決方案維護或更新服務的情況下），并且確定供 應商的業務和產品規模與其系統和結構以及當前和預期項 目規模是否適配。

與第三方供應商接洽或合作開發解決方案之前，金融機構 還需要考慮知識產權所有權相關事宜，同時確保供應商根 據不同司法管轄區的適用監管要求管理數據（必要時）。

提高知識水平

完成監管科技解決方案開發之后，金融機構必須確保其具 備足夠的專業知識，可以推進解決方案的有效應用和深入 開發；并且擁有必要的專業資料，可就技術、功能、業務要 求、結果、風險緩釋方法、測試與保證以及災難恢復進行 解釋說明。

此外，金融機構應當開展員工培訓，幫助員工了解如何推動 解決方案充分發揮作用，同時管理層也應充分了解解決方 案，以便有效開展審查和質詢工作。

五、科技管理貫穿客戶生命周期

科技應用貫穿客戶生命周期

抓住創新機遇，利用科技全面打擊金融犯罪

新方法

為有效打擊金融犯罪，金融機構應將科技應用貫穿整個客 戶生命周期。

由于業務模式、基礎設施和經費預算各不相同，金融機構 不會采用相同技術，但是某些監管科技解決方案可以在結合使用時以及在客戶生命周期的特定環節中有效發揮作用。

云計算和大數據/數據分析等技術可以助力數據收集、整 合和擴充，從而為客戶生命周期各環節提供支持。此外，隱 私增強技術等新興技術或將顯著提高金融機構的數據獲 取能力。

六、前景展望

01 開展全球合作與跨組織協作

洗錢和恐怖融資已形成全球產業鏈，犯罪分 子在運用科技實施犯罪活動方面變得愈發熟 練。因此，金融機構必須協同合作，提高信息透明度，確保 針對數據和技術共享制定協調戰略，同時嚴格管理數據隱 私相關風險和法律法規。就此而言，科技進步或將助力實 現上述目標，例如隱私增強技術可以確保用戶在安全環境 中分析數據，并且在不披露敏感信息的情況下提取數據。 跨組織和跨區域的知識交流活動、論壇和委員會亦可支持 行業共享成功實施監管科技解決方案所需的數據、工具 和技術。信息共享可為行業提供更加全面的專業知識和情 報，同時提高打擊金融犯罪的效率和效益。在此方面，監管 機構和國際組織可以發揮引導和推動作用。

02 積極預防新數字時代的金融犯罪

數字平臺和數字銀行的發展已使客戶受益頗豐，但是加密貨幣、網上銀行和電子支付等技術的匿名性 和閃電般的交易速度也讓犯罪分子有機可乘。通常情況下， 當可疑交易被發現時，非法資金已經跨境轉移，無法追回。 但是先進的人工智能預測分析技術正使前瞻性犯罪預防變 得更加可行。技術還可用于行為分析， 以此預測未來犯罪活動，幫助金融機構先發制人，始終走 在犯罪分子之前。

03 關注客戶生命周期

隨著在科技應用方面變得愈發成熟，金融機 構可開始全面審視并管理整個客戶生命周期 中的反洗錢/反恐融資風險。金融機構需要考 慮如何在每個環節充分發揮技術優勢，包括客戶引導、數據 收集與驗證、客戶數據管理、交易監測、調查以及報告。通 過關注客戶生命周期，金融機構不僅能夠處理利于犯罪活 動的潛在漏洞，還可確保無縫的客戶體驗。

隱私增強技術

幫助金融服務公司打擊金融犯罪、保護客戶信息

如何在保護客戶信息與獲取重要數據的需求之間取得平衡一直是金融犯罪與合規管理方面的主要難題。然 而，新興隱私增強技術可以幫助金融機構滿足上述需求——在支持海量數據分析的同時保證個人可識別信息 的安全性和加密性。例如，某領先隱私增強技術供應商與某著名金融機構技術供應商近期開展合作，在后者 供應至澳大利亞市場的金融犯罪與合規管理產品組合中搭載隱私增強技術產品。

通過本次合作，金融機構可以獲得隱私增強技術工具，幫助其在滿足全球隱私和保密規定的同時安全共享敏感數據。此工具能夠確保用戶安全分享見解，并且保護潛在客戶的個人可識別信息隱私。此外，這種輕松分享加密和去識別客戶數據的能力也將有助于開展開放銀行業務以及實現 其他金融犯罪管理目標，如客戶盡職調查、行為監測和協作金融犯罪調查，且不影響風險和監管合規管理。

其他應用

客戶盡職調查

金融機構可在針對其考慮接洽 的潛在個人或實體開展客戶盡 職調查時使用該項技術，以此 深入了解客戶，并在不受干擾 的情況下完成身份驗證，同時 提升客戶體驗。

交易監測

金融機構間的合作意味著金 融機構可以獲取更加廣泛的 客戶信息，例如資金來源、 相關賬戶和交易記錄，從而 顯著降低交易監測誤報率， 提高客戶洞察力。

調查

廣泛的信息共享簡化了可疑事件報告的數據和證據 收集流程。這有助于快速驗證“誤報”結果，消除 調查流程中的死角盲區，同時在不侵犯調查對象隱 私權的情況下幫助金融機構編制更加可靠和全面 的報告。

跨機構協作可以幫助金融機構識別金融犯罪與合規 管理流程中的盲點，從而降低相關風險。加強協同 合作、信息共享和流程可見性有助于打造安全的金 融犯罪合規環境。

七、結論

雖然金融機構在打擊金融犯罪方面 采用的技術存在明顯差異，但是所有金融機構均可利用 監管科技解決方案提高金融犯罪風險識別和緩釋的效率 與效益。此外，在整個客戶生命周期中全面應用監管科 技解決方案有助于充分發揮其優勢。

為實現投資回報最大化，金融機構需要確保其所采用的 監管科技解決方案充分考慮到數據質量和訪問權限、系 統、流程和組織結構以及可用技術和技術供應商等因 素。與此同時，金融機構可以組建跨職能和跨區域的多 元化團隊，并且尋求利益相關方的支持，這對取得成功 至關重要。除此之外，金融機構應當健全治理框架，不 斷開展金融犯罪風險管理培訓和監管科技解決方案開發 活動，這對實現持續成功必不可少。

隨著科技環境不斷變化 以及金融機構開始從單一平臺解決方案轉向更加靈活的 多方法解決方案（即針對特定風險類型采用特定技術/方 法），開發監管科技解決方案組合以支持現有金融犯罪 風險管理計劃的價值將會凸顯。

報告鏈接：科技助力金融犯罪管理轉型專題研究報告

編輯：123weilai