背景與挑戰：

隨著近年來反洗錢監管力度的不斷加強，銀行投入了大量人力進行反洗錢工作，然而仍然面臨人工審核工作量大、時效性差、上報率低，出現漏報、多報等問題。

業務目標：

通過運用AI反洗錢技術，提升識別準確率，高風險案件優先推送審核，降低人工成本。

難點與關鍵成功因素：

• 多場景建模：反洗錢合規場景包含十多種不同類型，機器學習建模耗費時間較長。第四范式自主研發的先知平臺及模型解決方案能成倍縮短建模時間，提升建模效率。
• 高維海量數據：反洗錢建模涉及海量交易數據和高維度的業務特征。第四范式先知平臺具有高維特征計算能力，運用在反洗錢中能夠提升可疑案件識別準確率。
• 效果穩定性：合規場景對解決方案效果的衰減有較低的容忍度。第四范式自學習技術，通過模型上線后自動學習更新，始終保證與業務同步。
• 圖關系計算：洗錢及金融犯罪存在團伙作案的特點，圖關系等對可疑案件識別和受益人分析有較大幫助作用。第四范式結合自有的知識圖譜技術、企業關系圖譜和地址智能分析產品——星圖，打造有效的反洗錢解決方案。
• 實時時序計算：第四范式實時時序計算技術及實時時序數據庫能夠低延時處理高頻大量交易，通過時序特征構造更多的交易行為模型，提升模型識別準確度。

業務成果：
模型線下評估AUC效果為0.949，業務價值體現為：

1. 頭部30%的案宗，召回率達到90%以上，實現了快速識別高風險洗錢案宗的目的。

2. 前70%的案宗中，召回率達到了99.6%，在沒有明顯遺漏的情況下，可拋棄尾部案宗，大幅削減了人力審核資源投入。

展望未來：

在反洗錢監管要求愈加嚴格的情況下，反洗錢義務機構對提升效果、降低成本、有效控制合規風險的需求也越加迫切。AI技術與反洗錢結合的管理方法將成為效能提升的重要突破點。