背景與挑戰(zhàn)：

隨著近年來反洗錢監(jiān)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(xiàn)漏報、多報等問題。

業(yè)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(yōu)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(guī)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(fā)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(shù)據(jù)：反洗錢建模涉及海量交易數(shù)據(jù)和高維度的業(yè)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(wěn)定性：合規(guī)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(yè)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(yè)關系圖譜和地址智能分析產(chǎn)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(shù)據(jù)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(yè)務成果：
模型線下評估AUC效果為0.949，業(yè)務價值體現(xiàn)為：

1. 頭部30%的案宗，召回率達到90%以上，實現(xiàn)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(jiān)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(guī)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。