神州信息金融A(yíng)I反洗錢(qián)

立即咨詢(xún)
行業(yè)痛點(diǎn)
痛點(diǎn)分析
產(chǎn)品概述
產(chǎn)品功能架構
產(chǎn)品特點(diǎn)及優(yōu)勢
給客戶(hù)帶來(lái)的價(jià)值
典型案例

傳統反洗錢(qián)監測面臨的行業(yè)痛點(diǎn)

監測規則更新滯后

人工甄別工作量大

犯罪團隊識別困難

缺乏長(cháng)效機制

數據量劇增

監測準確率低

無(wú)法有效使用外部數據

忽略個(gè)體特征

監管機構處罰嚴厲

AI應用于反洗錢(qián)的痛點(diǎn)分析

數據條件造成AI模型構建困難

· 中小行內數據量不足,統計模型的數據基礎較差

· 行內數據源較為單一,外部額外數據特征不夠豐富,樣本維度特征稀疏

· 各行間交易數據的隔離,造成洗錢(qián)鏈路缺失,隱含的洗錢(qián)行為信息不完備

AI模型結果的可解釋性面臨挑戰

· 反洗錢(qián)可疑案例篩查是要求決策合規的應用,對上報結果有明晰化要求

· AI模型及算法普遍缺乏決策邏輯的透明度和結果的可解釋性

· 傳統規則模型更新滯后,對AI融合、更新規則和發(fā)現新規則均有訴求

AI模型需要具備更新和泛化能力

· AI模型需要貼合業(yè)務(wù)場(chǎng)景

· AI模型需要有自我評估能力

· AI模型需要有自學(xué)習能力,持續迭代優(yōu)化

產(chǎn)品概述

神州信息AI智能反洗錢(qián)監測平臺,結合大數據、知識圖譜、人工智能等先進(jìn)技術(shù),實(shí)現了智能KYC審查、實(shí)時(shí)名單客戶(hù)交易攔截,同時(shí)通過(guò)機器學(xué)習算法自動(dòng)構建可疑洗錢(qián)交易模型,代替傳統基于規則和人工判斷的反洗錢(qián)工作模式,極大地提升了可疑洗錢(qián)交易上報的及時(shí)性、準確性,降低了金融機構反洗錢(qián)工作的合規成本。

產(chǎn)品功能架構

產(chǎn)品特點(diǎn)及優(yōu)勢

實(shí)時(shí)交易監測

· 大額監測

· 可疑監測

· 名單客戶(hù)交易監測

知識圖譜分析

· 客戶(hù)關(guān)系分析

· 交易鏈路分析

· 關(guān)聯(lián)事件分析

彈性架構

· 應用橫向擴展

· 分布式數據庫

· 異構數據整合

智能風(fēng)險評級

· 引入外部數據

· 智能評級模型

· 服務(wù)輸出能力

機器學(xué)習

· 模型參數調整

· 模型規則調整

· 提升報送準確率

海量數據計算

· 流計算

· 圖形分析

· 交易篩選

給客戶(hù)帶來(lái)的價(jià)值

提升預警準確率,降低漏報率,提升銀行的風(fēng)控能力

基于多種機器學(xué)習算法融合來(lái)構建反洗錢(qián)檢測AI引擎,對比傳統反洗錢(qián)系統,在覆蓋專(zhuān)家審核結果的條件下,能降低1個(gè)數量級以上的誤報率。

提升人工審核、分析效率,降低人工篩選投入成本

基于機器學(xué)習和專(zhuān)家經(jīng)驗建立可疑案件排序模型,針對風(fēng)險高的案件優(yōu)先審核,及時(shí)上報,風(fēng)險過(guò)低可排除,降低篩查工作量。

與專(zhuān)家、規則結合的算法模型,可理解的AI異常檢測結果

基于知識圖譜和社群發(fā)現算法,多元用戶(hù)身份識別,建立客戶(hù)知識圖譜,識別交易最終受益人,有效還原洗錢(qián)網(wǎng)絡(luò ),輔助審核分析,提升AI的可解釋性。

提升對隱案和新型作案手法的偵別能力,優(yōu)化模型,輔助發(fā)現新規則和可疑模式

基于半監督學(xué)習和圖特征挖掘建立可疑案件識別模型,海量交易中準確抓取反洗錢(qián)可疑案件,協(xié)助發(fā)現隱案、漏案和新型作案手法;基于機器學(xué)習聚類(lèi)分析和模式發(fā)現,優(yōu)化規則模型,輔助發(fā)現可疑交易新規則和新可疑模式。

典型案例

某銀行智能反洗錢(qián)監測預警平臺

該平臺以更貼合業(yè)務(wù)場(chǎng)景的AI算法創(chuàng )新應用,有效降低反洗錢(qián)篩查的誤報率、工作量,使反洗錢(qián)異常檢測結果可視化,幫助銀行反洗錢(qián)異常檢測召回率高達95%以上,人工規則反洗錢(qián)工作量降低98%。

聯(lián)系我們