京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代 洗钱与反洗钱的进化与斗争
大数据时代的反洗钱,监控大于事后追溯。以大数据技术为首的法证数据鉴证技术已经越来越受到国际领先银行的重视,以弥补传统监测手段在衡量标准和银行通用性方面的不足。
《肖申克的救赎》中,安迪是个隐忍的智慧人物,此外,他还是个洗钱高手。监狱长诺顿不择手段地非法榨取监狱里服刑人员的血汗钱,他让被冤入狱的安迪帮他做账,安迪先让诺顿虚拟一个叫兰度斯蒂芬的账户,以兰度斯蒂芬的名义进行多个账户的存取业务以及理财,安迪在越狱前取走了兰度斯蒂芬的所有档案,以这个虚拟的身份取走了所有的钱, 在离开国境前,安迪对诺顿进行举报,自己全身而退。
电影归电影,现实生活中,洗钱一直以不见阳光的状态存在,这是一种将非法所得合法化的过程,洗钱的“钱”的来源被概括为五色:黑白蓝黄灰,也被业内人士概括为“地下经济”。 尽管全球的金融机构、监管部门都在监控这种非法行为,但是,数据显示,全世界每年非法洗钱的收入仍占到全球GDP总额的2%~5%,2014全球GDP总量超过70万亿,细算起来,洗钱的规模不算小。
复旦大学教授严立新认为:“ 洗钱方式很多,贸易是其中最常用的手段。”作为贸易方式之一的电商,在总体贸易中所占比重在逐年上升,正在为某些不法分子所利用。我国政府很重视这个领域的反洗钱监控,早在2011年6月1日公布了《支付机构反洗钱和反恐怖融资管理办法》(征求意见稿),对拿到第三方支付牌照的支付企业从各个细节上明确了反洗钱和反恐怖融资的义务和监管,征求意见稿从客户身份识别、客户身份资料和交易记录保存、可疑交易报告、反洗钱和反恐怖融资调查、监督和管理等环节详细规定了支付机构的责任。
李小杰是蚂蚁金服反洗钱中心资深总监,她告诉钛媒体记者,2015年上半年,她的部门监测到四例可疑案例,向人民银行汇报后,公安机关已经立案两起。 如一枚钱币的两面,洗钱在利用新兴科技手段的同时,反洗钱也在加大力度,这次倚重的是大数据。
反洗钱进入DT时代
“洗钱”从laundering翻译而来,与洗衣服的“洗”的确有一定的关系。
20世纪20年代,美国芝加哥一黑手党金融专家买了一台投币式洗衣机,开了一家洗衣店。他在每晚计算当天洗衣收入时,就把其它非法所得的赃款加入其中,再向税务部门申报纳税。这样,扣去应缴的税款后,剩下的其它非法得来的钱财就成了他的合法收入,此后,把钱“洗白”是一个既形象,又动感的词。
“赚钱的方式有多少,洗钱的方法就有多少”,严立新这样总结,犯罪分子洗钱的基本过程包括放置、离析(不断改变钱的形态,炒股、买理财产品、买房等)再到最后融合,他认为,反洗钱的基本技术是逆着这一过程而来,去追溯钱的来源,以及寻找围绕着一笔被怀疑非法钱财上的关系。 比事后去追溯有效的是对洗钱行为有效的监控,这些似乎是我国传统银行需要改进的地方。一位业内人士透露,中资银行中除工商银行,其它银行的智能化监控力度不够,甚至一些小型银行仍在手动检查其客户数据库中的可疑交易、人员和资产间的关键关系。
严立新告诉钛媒体记者,“了解客户风控是反洗钱的基础,大数据时代完成了客户的数据积累是多元化和立体的。”过去,银行在反洗钱方式上多用“结构化数据”,包括客户关系、会计系统以及相关数据库,现在仍被广泛应用,但越来越多的“非结构化数据”,包括社交媒体、电子邮件、文本、音频、视频、照片、网络日志等开始占据金融生态环境的主要构成。
“结构化数据”+“非结构化数据”将可疑交易的监测识别范围从二维空间拓展至多维空间,通过对比每笔交易,统筹考虑相关人物、事件、内容、地点、时间、原因等要素,理解相关交易行为的特点,进而协助银行更有效识别可疑交易,帮助银行完善反洗钱风险管理体系。
大数据的好处之一就是可以通过完整的数据而不是一些样本来进行分析和预测,这对于掌握大数据的政府和反洗钱组织来说,应该是天赐良机。咨询机构安永认为, 以大数据技术为首的法证数据鉴证技术已经越来越受到国际领先银行的重视,以弥补传统监测手段在衡量标准和银行通用性方面的不足。
大数据如何监控反洗钱
马云在今年年中的一次演讲中表示,阿里巴巴本质上是一家数据公司,做淘宝的目的不是为了卖货,而是获得所有零售的数据和制造业的数据;做物流不是为了送包裹,而是将这些数据合在一起……
如今,阿里及其生态平台上每天都在产生海量数据,但不是每个数据都用来做反洗钱的监控, 蚂蚁金服反洗钱中心的资深总监李小杰将数据提取总结为:清洗。“高德地图与反洗钱有关系吗?有也没有,交易地址和IP地址是不是相符,可以判断账号是否被人操控。”
海量数据下,机器处理数据的能力需要智能化,在蚂蚁金服反洗钱的数据系统里,有几个基础的数据来源:淘宝、天猫、B2B、阿里小袋及其他。在此基础上通过数据建模监控交易异常的客户,一个搞批发交易的账户每天资金额在几十万、上百万,蚂蚁金服会去监控这个账户的实际控制人是不是实际有这么大的资金交易量。一些账户会在夏季赛季的半夜异常活跃,且与他发生资金交互的行为在海外,机器初步会判断出改用户在搞网络赌球。
类似的案例不胜枚举, 对于这些可疑交易,蚂蚁金服反洗钱中心会提取出来做进一步的分析,在关系网络中挖掘资金两个端点的交易行为。蚂蚁金服曾经挖掘出一个案例,用户注册账户时主动“交代”居住地在贵州某山城,但是用户在电子商务平台上的收货地址都指向上海某住宅楼,而且IP地址、手机号码无不透露出用户在上海的事实,更有证据显示经常与其在同一台设备上登录的异性用户的地址也是该住宅楼。
李小杰还透露了一个用海外代购身份掩盖下的汇兑型地下钱庄的案例,但是当别的媒体曝出这个案例时,公安机关与蚂蚁金服方进行了沟通,因为这样的暴露可能会影响案件的侦破,蚂蚁金服现在同步央行发布的一些重点交易进行监控,李小杰说: “反洗钱和反恐融资都监管需要我们各类的金融机构都来做法定义务。”如果收到制裁名单,蚂蚁金服反洗钱中心会在客户中寻找,一旦发现,这些账户立即被停下来。
国内反洗钱专家认为:“洗钱多为巨款,而现在有人用一笔笔小额资金分散化操作,这样的情况下,银行等机构更难筛查出可疑份子,类似于蚂蚁金服这样的普惠金融机构的个人客户单笔消费多为500元以下小额消费,与银行相比,这里的数据库中筛查可疑犯罪的有效信息也许更多。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06