Page 88 - NO.119銀行家雜誌

特別企劃
Special Report

為洗錢交易的資料集中為訓練資料集，以非監督 同，再則資訊系統也未必相容，更別提要讓內
式學習自動提取其特徵因子，再以監督式學習估 含個資的數據攜出機構大門有多敏感。於是改
計對應各特徵因子之模型參數。但實務上須考慮 弦易轍，由外部專家設定進度，在芬恩特金融
資料的數量與品質，是否足以將模型訓練到夠 科技實驗室循序傳授建模方法，並提供模擬資
好。這種從交易模式中「學習」而得的偵測模 料與範例程式碼，參與機構各自派遣專人在專

型，測試的結果，在標記可疑交易上通常顯示良 家指導下實作演練，回頭再用自家資料自行嘗
好的精確度，從而降低誤報率。芬恩特所欲建構 試建構洗錢偵測模型，若有疑難雜症，可利用
的洗錢偵測模型，目標是做到兩個面向的偵測： 與專家定期碰面機會討教。
第一，根據銀行執行KYC程序所得資訊，賦予每 芬恩特洗錢偵測模型實驗專案的執行，可
一交易人介於0與1之間的洗錢可能性評分；第 為共同參與的金融機構帶來幾項效益。第
二，針對存匯紀錄，篩選出可疑的交易行為。模 一，參與機構可藉此機會將份屬人工智慧基礎
型架構參見〔圖1〕，簡而言之，就是一個偵測 建設的資料工程好好做一番整頓。第二，藉由
可疑交易人與可疑交易行為的分類模型。 建模過程的實兵操演，為金融機構培養熟練AI技
術之專業人才。第三，倘若所建模型經驗證後效

基於實驗與聯合開發精神推動專案 果不惡，可考慮實際上線運作以降低洗錢偵測誤
報率，減少待審查交易，讓可貴的人力資源投注
芬恩特推動的實驗專案，皆是基於「實 於深入追查真正可疑的項目上，有助提升洗錢防
驗」與「聯合開發」的精神，針對金融業的需 制效能，撙節成本。
求，邀集科技專才與金融同業共同探索解決方 另外值得一提的是，本專案研發洗錢偵測
案，洗錢偵測模型即為其一。最初的構想，是 模型所採行的方法論，適用範圍當不僅止於目
希望由外部專家帶領金融機構從業人員，彙 前的存匯系統。事實上，芬恩特現正與臺灣大

整專案參與機構的資料，建構一套通用的洗錢 學合作開發適用於加密數位貨幣的洗錢偵測模
偵測模型，但很快就發現此路不通。首先，各 型。我們相信，唯有當數位貨幣的監理議題獲
家金融機構資料儲存的格式、欄位皆不盡相 得妥善處理，使用數位貨幣的風險受到良好控
制，那時討論數位
貨幣的發展才有意
圖1 模型架構 義。研訓院期待在
解決與數位貨幣相
以風險為基礎 關之監理問題的道
客戶資訊 分類交易人
路上，也能有所貢
人工智慧 獻。（本文作者為

台灣金融研訓院金
交易資訊 可疑交易偵測 融訓練發展中心副

所長）

88 台灣銀行家2019.11月號

1 5% JOEE ɨʹ