Page 87 - NO.119銀行家雜誌

建構智慧型洗錢偵測模型

為金融業帶來三大優質效應

芬恩特推動實驗專案，基於「實驗」與「聯合開發」的精神，針對金融業的需求，邀集科技專才與金融同業共同探索解決方案。（圖／達志影像）

照，加速為國內金融機構培養國際反洗錢實務專 之有年的傳統作法，但這種方法存在可觀的改
才。此外，去年成立的芬恩特創新聚落，以協助 進空間。首先，觸及警示基準的交易未必都涉
金融機構尋求各種金融科技解決方案為己任，對 及洗錢，先被標記爾後查無洗錢實據的交易事

於如何利用科技提升法遵成效，特別是改善洗錢 件占所有被標記交易事件的比例，稱為「誤報
防制效率，早已多所關注。 率」（False-positive Rate）。美國投資銀行高
盛的一份研究報告指出，過去銀行偵測洗錢交
應用人工智慧優化洗錢防制流程 易的誤報率相當高（超過90%），這代表銀行
將過多人力虛擲於過濾可疑交易事件。另一
目前通行的防制洗錢實務在形式上已相當 方面，既然有明確的檢覈準則，就有漏洞可
完備：既針對事（通報可疑的資金流動），也 鑽，即使如我國法務部調查局已臚列了50餘種

針對人（對開戶者進行查核，也就是KYC）。 洗錢態樣，洗錢花招仍舊可以推陳出新。對於
每當有顧客上門要求開戶，金融機構就有責任 某些金融或法務機構所未知的「創新」洗錢手
執行客戶審查，確認其身分，辨識帳戶實質受 法，由於沒有預設相應的警示基準，很可能在
益人，比對目標性金融制裁名單，具外國籍者 第一關就逃過偵測。簡單來說，銀行的洗錢防
則檢視其是否來自洗錢高風險國家或地區。而 制工作似乎難以避免將大量資源耗費在錯誤的
對於異常資金流動的監控，則訂定若干檢覈準 方向上。
則，例如在我國，單筆提款、匯款達新台幣50 相對於「情境法」，近年學術界、金融
萬元的現金交易，須申報洗錢防制中心留存檔 科技新創企業以及少數本國銀行已開始發展另
案，並由專人深入檢視以確定該筆資金流動是 一種洗錢防制的建模方式，稱為「推論法」

否涉及洗錢。 （Inference Approach），這也是芬恩特建構洗錢
上述這種預先設立警示基準，交易金額 偵測模型所採取的方法論。「推論法」利用過
一旦觸及門檻即視為可疑資金流動，需賴人工 去累積的大量交易數據作為訓練資料，搭配目
進一步確認的反洗錢機制，稱為「情境法」 前廣為人工智慧使用的各種機器學習演算法建
（Scenario Approach），也是一般金融機構行 立洗錢偵測模型。理想的情況，是先將已確定

台灣銀行家2019.11月號 87

1 5% JOEE ɨʹ