荣获：专家评审十大优秀案例

　　2019年，西安银行股份有限公司（以下简称西安银行）探索金融科技的应用落地，引入AI人工智能技术，通过大数据技术、知识图谱、机器学习等手段，强化银行在反洗钱及反恐怖融资方面的实力。

　　大数据技术，提升数据“加工”能力，实现数据“增值”；知识图谱，以分析、构建、绘制和显示等方式，实现不同事物之间的联系，大幅提升审核速度，节省50%以上的人工数据分析工作量；机器学习弥补专家规则系统短板，可疑案例的甄别准确率大大提升。

　　系统建设过程

　　2019年初，西安银行与深圳追一科技公司接洽，历时6个月完成“反洗钱AI智能监测系统”的需求讨论和立项，并同期开始系统项目开发，当年11月份一期功能上线试运行。

　　系统建设大致经过以下四个阶段：

　　阶段一：系统可行性分析及需求梳理。西安银行反洗钱中心2017年成立，通过大量的可疑交易监测分析，对于非法传销、非法集资、电信诈骗等涉众型犯罪识别积累了一定经验和数据资料。

　　阶段二：数据及流程梳理。可疑交易监测的数据来自行内不同系统，需要在系统内部对各系统的数据进行梳理和整合，并确认统计口径。经过两个月的数据梳理，建立统一的数据仓库及数据接口，努力实现数据标准化及消除数据孤岛。

　　阶段三：智能筛查及分析审核。通过模型提炼出数十个机器学习的核心特征，再根据回溯周期的不同（1 天、10 天、20天、30天和60天）裂变为数百个特征。

　　阶段四:系统开放及自我优化。将反洗钱AI智能监测系统开放给反洗钱中心业务人员。通过系统对可疑主体进行初次定位，形成案例提交至业务人员进行人工审核。

　　系统应用成效

　　1.提升可疑交易甄选效率和识别的精准度

　　传统的反洗钱交易监测系统规则设置普遍运用“专家规则”来进行案例的筛选，如“交易频繁”规则，会设定例如【累计交易次数大于30次】这样的阈值，阈值的设定依赖主观性，阈值的调整本身也没有一个确定的标准。这就导致传统的“专家规则”在案例筛选方面容易出现漏洞，也是现在监测分析人员漏报、误报的原因之一。

　　2.知识图谱—“主体画像”技术的使用

　　“反洗钱AI智能监测系统”整合相关数据信息，以案例主体为维度，分析其身份特征、行为特征、交易特征、关联人员特征等信息，构建了集账户属性、交易特质以及资金网络的知识图谱，尽可能的还原洗钱场景，最终向监测分析人员较为直观的展示“客户主体画像”。

　　3.有效提高人工分析准确率和效率

　　在启用智能监测系统前，经可疑交易模型规则过滤出的海量可疑交易，主要依靠人工进行审核，监测分析人员往往要通过多个系统、十多个报表，查看其身份信息、账户信息、交易信息、交易对手的关联性等，必要时还要通过工商企业公示系统、企查查等查询工具，尽可能多的获取相关信息，集合各方数据，甄别案例主体是否存在风险，交易是否正常，整个过程不但复杂而且耗时。特别是对一些交易多样，隐蔽性强的账户，可能会耗费几个小时或更久。

扫码查看完整案例