互聯網金融以其獨有的創新性、便利性為人民帶來了方便,但交易渠道、交易環節、交易數量的飛速上漲也帶來了可疑交易分析難、客戶身份識難等種種問題,一些別有用心的不法投機分子瞅準這個空子大肆進行洗錢交易,危害了國家金融穩定與安全。

目前,反洗錢工作已經上升到國家高度層面,人民銀行及其各級監管機構相繼出臺的反洗錢工作要求,持續加強的反洗錢監管處罰力度。

知識圖譜有效提升可疑交易識別能力

傳統反洗錢監控手段主要依靠專家規則以及歷史數據,在面對海量交易流水數據時,難以有效追蹤資金全鏈路流程,同時存在數據孤島問題,對可疑交易行為不能進行有效關聯,降低了可疑交易行為的識別準確度。針對當前反洗錢識別監測難題,翼支付引入知識圖譜分析技術,有效提升了可疑交易識別能力。

據悉 ,翼支付可疑交易監控策略有效之處在于,借助知識圖譜對復雜關聯事件的高效查詢匹配能力,結合神經網絡技術,實現風險監測控制從“洗錢類罪圖規則監控”到“深度圖多層次監控”能力提升。尤其是在監控策略中創造性提出的“洗錢類罪圖規則監控”,能夠幫助金融機構在海量交易數據中,針對已知的洗錢行為模式,精準定位到符合行為特征的洗錢團伙。充分利用已知的專家經驗與特征案例,高效提升反洗錢預警的準確性。

知識圖譜為何能成效顯著?

多度關系識別、異構關系關聯和關系網絡可視化,是翼支付反洗錢知識圖譜應用策略的三大獨有特色。

反洗錢知識圖譜依靠圖計算引擎實現多度關系延伸識別,通過關鍵節點重要指標衡量、PageRank重要性排序算法,結合業務場景對預警主體的定義,實現預警主體和對方信息精準劃分,提升可疑交易活動內容分析清晰度,擴大風險識別覆蓋范圍。

異構關系關聯通過提升反洗錢圖譜模型聚集性,加強可疑交易風險識別能力,其原理主要是以資金鏈路流向為主導,構建圖譜關系架構,內含設備與IP操作關聯、業務交互關聯和銀行卡綁定關系關聯。

翼支付的節點搜索功能可應用于風險分析場景,幫助反洗錢運營人員對實體對象進行分層化、標簽化關聯風險挖掘,通過可視化方式逐層展示復雜犯罪模式。

翼支付知識圖譜成功案例

翼支付反洗錢知識圖譜應用策略在提供金融服務過程中,已有成功案例。

近期,翼支付反洗錢圖譜關聯模型監測到一個以多交易主體為核心、大量交易對手組成的異常轉賬群組。該群組賬戶關系組成復雜、賬戶間相互轉賬頻繁、群組內資金分散特征明顯,圖譜關聯模型及時向反洗錢人員進行預警。通過一系列關聯風險分析能力及功能運算,反洗錢人員迅速整理出該關系網內涉及的一批可疑主體以及兩個月內的資金鏈路流向。經初步判定,該群組疑似從事“套現貸”非法活動,主要方式就是通過名下支付賬戶互相轉賬,用來償還信用卡額度,并延長信用卡還款期限。了解到這一情況后,反洗錢人員根據工作規程隨即進行上報處理。

為打贏金融領域反洗錢這場攻堅戰,翼支付還將人工智能、大數據、分布式數據庫等技術積極引入到數據報送、可疑分析、名單監控、風險評級、盡職調查和監管報表等反洗錢各個流程步驟中,按照監管要求,打造出支持海量數據(603138,股吧)計算,多維風險評級的反洗錢決策引擎。有效提升運營人員風險核驗的效率,以及小微金融企業反洗錢KYC效率。

據悉,翼支付將不斷結合實際情況進行后續反洗錢產品研發和策略升級,為金融機構提供更契合各種風險場景的監測與甄別能力,助力互聯網金融安全保衛戰。