陶士貴 相瑞

摘? ?要：從國內(nèi)商業(yè)銀行反洗錢工作面臨的現(xiàn)狀和挑戰(zhàn)出發(fā)，通過回溯近年來國內(nèi)外對于反洗錢監(jiān)測識別方法的相關(guān)研究成果，結(jié)合目前最新的國際反洗錢監(jiān)管要求標準，通過搭建反洗錢大數(shù)據(jù)綜合分析平臺，完善客戶盡職調(diào)查，并通過引入人工智能中的復(fù)雜股權(quán)關(guān)系路徑算法和自然語義分析算法，有效識別企業(yè)的最終受益人（UBO），實現(xiàn)風險“穿透”，促使商業(yè)銀行反洗錢領(lǐng)域核心競爭力的提升。

關(guān)鍵詞：反洗錢;大數(shù)據(jù);盡職調(diào)查;受益人識別

中圖分類號：F830.33? 文獻標識碼：B 文章編號：1674-2265（2020）07-0073-06

DOI：10.19647/j.cnki.37-1462/f.2020.07.011

一、問題的提出

當前國際反洗錢和反恐怖融資標準趨嚴、趨緊，國內(nèi)外多家商業(yè)銀行在反洗錢和金融制裁領(lǐng)域頻繁受到巨額處罰，合規(guī)工作的重要性更加凸顯。2017年美國貨幣監(jiān)理署（OCC）對加州商業(yè)銀行（Merchants Bank of California）違反《銀行保密法》（BSA）的行為罰款800萬美元，一年后又以未糾正已知的BSA違規(guī)行為為由，對相關(guān)涉事人員再次處以總計31.1萬美元的民事處罰。2018年2月荷蘭合作銀行（Rabobank， N.A.）因欺騙OCC、妨礙OCC對銀行反洗錢程序的審查被判犯有刑事合謀罪，最終向OCC支付近3.69億美元后達成和解。2018年美國多家監(jiān)管當局對全美銀行（U.S.Bank National Association）及其母公司美國合眾銀行（U.S.Bancorp）開出金額合計8.03億美元的反洗錢處罰。2018年3月，美聯(lián)儲責令中國某大型銀行紐約分行建立和完善反洗錢合規(guī)機制，合理評估產(chǎn)品、客戶（包括政治公眾人物）的洗錢風險，并聘請第三方公司對交易進行回溯性篩查。隨著近年來不同經(jīng)濟體之間貿(mào)易摩擦的不斷演變，對跨境金融機構(gòu)展開反洗錢調(diào)查和制裁行為，隨時可能成為政治經(jīng)濟領(lǐng)域的慣用手段，特別是作為跨境貿(mào)易結(jié)算主要載體的商業(yè)銀行處于反洗錢領(lǐng)域的前沿陣地，在合規(guī)經(jīng)營方面首當其沖。

與此同時，2018年我國迎來了FATF第四輪互評估，中國人民銀行在客戶盡職調(diào)查、受益所有人識別、定向金融制裁等領(lǐng)域提出更高要求，并提出要通過檢查和處罰對違規(guī)金融機構(gòu)形成震懾、警示和約束;銀保監(jiān)會要求商業(yè)銀行業(yè)務(wù)發(fā)展、反洗錢和反恐怖融資合規(guī)、洗錢和恐怖融資風險管理必須保持同步，明確配合國務(wù)院反洗錢行政主管部門，履行銀行業(yè)金融機構(gòu)反洗錢和反恐怖融資監(jiān)督管理職責。

隨著國內(nèi)外對商業(yè)銀行反洗錢監(jiān)管日益趨嚴，將大數(shù)據(jù)技術(shù)用于改進商業(yè)銀行反洗錢識別監(jiān)測方法，進而提升反洗錢監(jiān)測效率，是目前亟待解決的一大問題。

二、國內(nèi)外相關(guān)研究

近年來國內(nèi)關(guān)于金融機構(gòu)反洗錢活動中客戶盡職調(diào)查和受益所有人的識別方法及能力的研究較多，研究人員主要集中在高校和中國人民銀行，分析和探討集中在方法論運用角度及金融機構(gòu)反洗錢監(jiān)測體系建設(shè)方面。宋志國（2015）[1]分析了目前離岸公司和地下錢莊洗錢的新手法與新特征，進而提出構(gòu)建以客戶數(shù)據(jù)流為基礎(chǔ)，以監(jiān)管機構(gòu)需求為導(dǎo)向，建立可疑交易信息收集體系，構(gòu)建大數(shù)據(jù)模型分析體系。黃靜云（2015）[2]提出大數(shù)據(jù)在反洗錢領(lǐng)域的應(yīng)用面臨機遇和挑戰(zhàn)，需要構(gòu)建安全+控制+共享+人才的反洗錢工作機制，通過全景式、關(guān)聯(lián)性的數(shù)據(jù)分析和比對，快速有效地識別可疑交易，并自主識別自身反洗錢風險管理體系的薄弱環(huán)節(jié)。吳正德（2017）[3]提出通過反洗錢風險控制體系頂層設(shè)計、可疑交易監(jiān)測分析指標設(shè)計以及通信技術(shù)運用等方面，建立以風險為導(dǎo)向的反洗錢監(jiān)測分析體系，遏制洗錢風險的蔓延。李長河等（2018）[4]分析了貿(mào)易洗錢的主要方式以及對應(yīng)反洗錢監(jiān)管的發(fā)展過程和趨勢，提出應(yīng)加強對海外客戶的背景調(diào)查、建立綜合模式的反洗錢結(jié)構(gòu)、整合貿(mào)易反洗錢數(shù)據(jù)庫及報警共享系統(tǒng)、以風險評級為監(jiān)測抓手和加強貿(mào)易反洗錢的業(yè)務(wù)培訓(xùn)等方式進一步提高貿(mào)易反洗錢的準確性與質(zhì)效。張國坤（2019）[5]提出加強信息平臺建設(shè)，完善反洗錢內(nèi)控制度，細化洗錢風險防范措施，做好客戶身份識別，提高可疑交易報告質(zhì)量，規(guī)范保管客戶身份和交易信息。

大數(shù)據(jù)技術(shù)應(yīng)用于反洗錢監(jiān)測方面的研究，近年來漸趨增加。王怡靚（2017）[6]提出建設(shè)反洗錢計算機系統(tǒng)的重要性，在分析我國反洗錢計算機網(wǎng)絡(luò)系統(tǒng)建設(shè)現(xiàn)狀、問題和不足的基礎(chǔ)上，指出接入金融機構(gòu)和政府職能數(shù)據(jù)、優(yōu)化監(jiān)測分析功能、反向提供數(shù)據(jù)服務(wù)金融機構(gòu)是下一階段需要重點推進的工作。謝婼青等（2017）[7]通過分析反洗錢國內(nèi)外現(xiàn)狀、理論研究、統(tǒng)計方法等，探究數(shù)據(jù)挖掘技術(shù)在反洗錢活動中的應(yīng)用，通過對比傳統(tǒng)分析方法和新型數(shù)據(jù)挖掘技術(shù)之間的差異性，提出igroup和iDetect識別方法的可行性探討。李朋林等（2018）[8]基于區(qū)塊鏈技術(shù)的發(fā)展和應(yīng)用，指出其去中心化、不可偽造和篡改、自動化等特點對于商業(yè)銀行反洗錢業(yè)務(wù)領(lǐng)域具備可行性、重要性和創(chuàng)新性。肖琨等（2019）[9]提出可將分類、聚類等無監(jiān)督、半監(jiān)督學(xué)習(xí)算法在反洗錢可疑行為模型識別中進行應(yīng)用嘗試，并通過交易行為和犯罪信息兩個維度進行了建模路徑分析，證明了相關(guān)理論的可操作性。

從國內(nèi)外文獻可見，學(xué)者大多關(guān)注的是金融機構(gòu)反洗錢監(jiān)測體系建設(shè)方面，而對大數(shù)據(jù)技術(shù)應(yīng)用于反洗錢領(lǐng)域尚未形成較為完善的研究體系，本文運用大數(shù)據(jù)技術(shù)對反洗錢方法進行改進，具有一定的創(chuàng)新價值。

三、反洗錢風險識別監(jiān)測的關(guān)鍵：客戶盡職調(diào)查和最終受益人識別

近年來，國內(nèi)外金融監(jiān)管機構(gòu)對反洗錢的監(jiān)管法規(guī)和要求逐步升級。美國金融犯罪執(zhí)法局（FinCEN）新規(guī)要求金融機構(gòu)在為法人企業(yè)客戶開立賬戶時，應(yīng)對擁有、控制和從該法人客戶獲利的受益所有人身份進行識別和核實，包括：（1）識別和核實客戶的身份;（2）識別和核實開立賬戶的法人實體受益所有人的身份;（3）通過掌握客戶關(guān)系目的和性質(zhì)進行客戶風險評級;（4）通過持續(xù)監(jiān)控識別和報告可疑交易并給予風險維護和更新客戶信息。中國人民銀行2018年6月也發(fā)布了《關(guān)于進一步做好受益所有人身份識別工作有關(guān)問題的通知》（銀發(fā)[2018]164號文），在銀發(fā)[2017]235號文基礎(chǔ)上，要求“建立健全并有效實施受益所有人身份識別制度”，同時加強了個人身份證件的有效性核查。

從國內(nèi)外反洗錢監(jiān)管日趨嚴格的種種要求來看，對客戶盡職調(diào)查（CDD）和受益所有人的識別方法及能力成為商業(yè)銀行反洗錢活動合規(guī)與否的重中之重。作為金融行業(yè)最早設(shè)立金融犯罪威脅緩釋團隊的商業(yè)銀行，匯豐銀行早在2016年就率先集中了情報分析、盡職調(diào)查、反欺詐、數(shù)據(jù)挖掘等各領(lǐng)域?qū)＜?，實現(xiàn)對集團所面對的各種金融犯罪風險的集中管理。匯豐銀行建立了全球統(tǒng)一的客戶盡職調(diào)查機制，在遵守FATF第18條建議“內(nèi)部控制、境外分支機構(gòu)和附屬機構(gòu)”要求的前提下，確保對客戶洗錢風險的評價準確，管控措施能夠有效覆蓋風險;同時，嚴格遵守營業(yè)當?shù)乇O(jiān)管部門對信息保密的要求，集團內(nèi)部機構(gòu)之間僅能分享監(jiān)管允許的信息。

目前國內(nèi)絕大部分反洗錢活動都是通過金融機構(gòu)進行交易結(jié)算，特別是通過商業(yè)銀行進行結(jié)算，因此很多商業(yè)銀行包括監(jiān)管機構(gòu)對于反洗錢監(jiān)測識別場景都是基于金融機構(gòu)間賬戶交易流水進行數(shù)據(jù)挖掘建模和反洗錢風險認定的，同時基于交易對手的身份特征例如販毒、恐怖主義、腐敗、走私等進行可疑行為識別和監(jiān)測，因此對于商業(yè)銀行客戶盡責調(diào)查和最終受益人的識別能力提出了非常高的要求。

（一）客戶盡職調(diào)查

基于反洗錢背景下的客戶盡職調(diào)查，主要聚焦于以下三個重點：

1. 對涉及高風險地區(qū)的業(yè)務(wù)需要強化系統(tǒng)控制，通過機控+人控的方式進行重點針對性分析，以模型監(jiān)測、數(shù)據(jù)統(tǒng)計等形式進行量化分析，并輔之以反洗錢領(lǐng)域?qū)＜医?jīng)驗判斷，借助系統(tǒng)和模型盡可能縮小目標客戶和業(yè)務(wù)背景的范圍，減少非必要的人力投入，保障重點目標客戶盡職調(diào)查結(jié)果的準確性和及時性。

2. 對疑似涉及制裁范圍的業(yè)務(wù)，重點審查交易背景、貨物及其原產(chǎn)地、運輸工具、路線、中轉(zhuǎn)地、裝卸貨港口和單證業(yè)務(wù)中的相關(guān)條款等，對于運輸路線涉及被制裁國家的，按照“實質(zhì)重于形式”的原則進行分析判斷。

3. 對于重點目標客戶的盡職調(diào)查，要著眼于利用基礎(chǔ)交易合同、商業(yè)發(fā)票、報關(guān)單、提單等驗證其真實性，準確識別信用風險和欺詐風險;對結(jié)算用途與客戶主營業(yè)務(wù)范圍不符、交易價格異常等存在洗錢或可疑因素的情況進行重點分析;對于貨物或服務(wù)內(nèi)容涉及違法、違禁、軍火武器或者兩用物項等進行識別判斷等。

（二）最終受益人識別

目前全球反洗錢監(jiān)控趨勢從傳統(tǒng)的打擊犯罪、毒品、恐怖組織等活動要求的“KYC”提升到“UBO”，在客戶盡職調(diào)查中越來越強調(diào)對最終受益人（UBO）的識別，即識別最終享有金融交易相關(guān)經(jīng)濟利益的個人，而不僅僅是表面的收付款人。

最終受益人的識別主要針對非自然人客戶，通過對公司、合伙、信托、基金、非營利性社會組織和工會等主體的最終擁有或控制權(quán)的歸屬人進行分析，根據(jù)股權(quán)、表決權(quán)、人事財務(wù)控制權(quán)、合作權(quán)益、董事會及高級管理層關(guān)系、委托人、受益人、受托人、主要負責人和合伙人等關(guān)聯(lián)關(guān)系路徑，進行識別并得出最終擁有或控制客戶的一個或多個自然人及客戶所辦理交易的最終受益人。

四、大數(shù)據(jù)技術(shù)實現(xiàn)商業(yè)銀行反洗錢風險識別“穿透”效應(yīng)的機理與應(yīng)用

當前經(jīng)濟形勢下，商業(yè)銀行在反洗錢監(jiān)測和識別活動中，既要面對跨區(qū)域、跨行業(yè)的集團化經(jīng)營企業(yè)，又要面對成千上萬生命周期更迭的中小企業(yè)，客戶信息分散、銀企信息不對稱、集團客戶信息整合度不夠等原因?qū)е裸y行在盡職調(diào)查和最終受益人識別方面經(jīng)常被動。要破解信息不對稱的困局，實現(xiàn)有效識別反洗錢工作中關(guān)系錯綜復(fù)雜的業(yè)務(wù)背景和客戶控制人信息，商業(yè)銀行亟須依托大數(shù)據(jù)技術(shù)將企業(yè)的各維度變量納入監(jiān)測識別范圍，統(tǒng)籌兼顧，缺一不可。

強監(jiān)管、嚴制裁背景下的反洗錢工作需要商業(yè)銀行對多維度內(nèi)外部數(shù)據(jù)信息的標準化采集與建模分析，需要科技部門與業(yè)務(wù)條線、信息系統(tǒng)與業(yè)務(wù)專家的深度融合，根據(jù)外部經(jīng)濟環(huán)境和監(jiān)管要求不斷實現(xiàn)動態(tài)調(diào)優(yōu)，通過大數(shù)據(jù)技術(shù)賦能，實現(xiàn)反洗錢工作監(jiān)測和識別的智能化。

（一）客戶盡職調(diào)查的大數(shù)據(jù)“風險穿透”應(yīng)用

商業(yè)銀行反洗錢工作中對于客戶的盡職調(diào)查，主要包括準入階段的獲取和記錄企業(yè)及其最終受益人相關(guān)信息、篩查反洗錢關(guān)注客戶名單、核實企業(yè)身份背景信息、審查階段的評估企業(yè)反洗錢風險等級以及后續(xù)管理中的基于風險狀況采取適當?shù)娘L險控制措施及退出風險高且難以控制的客戶關(guān)系等環(huán)節(jié)。

準入階段對于企業(yè)及其最終受益人相關(guān)信息的收集，需要商業(yè)銀行通過業(yè)務(wù)前臺主動要求企業(yè)進行信息申報和材料歸檔，也可以通過工商、稅務(wù)、海關(guān)、政府公共信用信息數(shù)據(jù)等進行真實性校驗和數(shù)據(jù)補充，在此基礎(chǔ)上通過反洗錢關(guān)注客戶名單進行篩查，并進行交易背景的信息調(diào)查和持續(xù)監(jiān)測，整個流程持續(xù)時間長、關(guān)注信息點多且時效性要求高（見表1）。

商業(yè)銀行借力大數(shù)據(jù)技術(shù)，可以通過搭建反洗錢大數(shù)據(jù)綜合分析平臺，通過基礎(chǔ)數(shù)據(jù)層、接口數(shù)據(jù)層、知識庫存儲層、應(yīng)用平臺層和系統(tǒng)訪問層多結(jié)構(gòu)設(shè)計，進行內(nèi)外部數(shù)據(jù)的接入、清洗、整合，實現(xiàn)數(shù)據(jù)的標準化、結(jié)構(gòu)化入庫，進而打造數(shù)據(jù)中臺和業(yè)務(wù)中臺，基于反洗錢盡職調(diào)查應(yīng)用場景進行數(shù)據(jù)支持，為企業(yè)信息收集、真實性核驗、反洗錢名單自動篩查及更新、貿(mào)易真實性背景核驗、企業(yè)負面信息（包括但不限于失信、涉訴、行政處罰、外部輿情、工商注銷、欠稅漏稅等）提供系統(tǒng)化、平臺化數(shù)據(jù)查詢、展示、監(jiān)測、預(yù)警等一系列功能（見圖1）。

大數(shù)據(jù)技術(shù)的應(yīng)用，可以有效協(xié)助反洗錢識別人員更加深入全面地了解企業(yè)，提高商業(yè)銀行前臺人員信息收集的時效，多渠道企業(yè)相關(guān)信息可以為反洗錢工作中企業(yè)盡職調(diào)查全流程提供決策輔助和管理抓手，進而提高商業(yè)銀行在反洗錢工作中識別、預(yù)警、處置等各個環(huán)節(jié)的管理能力。

（二）最終受益人的大數(shù)據(jù)“風險穿透”應(yīng)用

當前反洗錢工作中對于非自然人企業(yè)的最終受益人識別，絕大部分基于工商信息中股權(quán)關(guān)系的分析，該類情況對于識別股權(quán)結(jié)構(gòu)相對簡單的中小企業(yè)而言較為容易，基于股權(quán)份額和樹形股權(quán)結(jié)構(gòu)圖，即可分析得出企業(yè)的最終受益人對象，但是對于股權(quán)關(guān)系錯綜復(fù)雜，甚至是代持股、人事財務(wù)控制權(quán)等復(fù)雜關(guān)系路徑，單純依靠人力去分析識別，就會面臨繁雜和海量的數(shù)據(jù)統(tǒng)計分析工作，并且可能出現(xiàn)人為失誤帶來的分析結(jié)果準確性問題，因此亟須通過反洗錢管理系統(tǒng)載體和大數(shù)據(jù)算法模型去解決相關(guān)的問題。

1. 復(fù)雜股權(quán)關(guān)系的受益人計算。該類模型算法以企業(yè)的股權(quán)關(guān)聯(lián)關(guān)系為基礎(chǔ)，通過實時調(diào)取最新的工商股權(quán)信息，在股權(quán)關(guān)系鏈上查找并計算實際持股比例最大的關(guān)聯(lián)客戶，將其認定為企業(yè)的疑似最終受益人。

實際應(yīng)用中商業(yè)銀行通過大數(shù)據(jù)分析建模平臺，抓取當前時點企業(yè)各層級的股東及其持股比例，直至挖掘至最后一層只有自然人為止，并將其定義為終端。通過模型算法分析各層級終端對目標企業(yè)的持股比例，進而計算實際持股比例最大的關(guān)聯(lián)客戶，若出現(xiàn)股東中存在配偶、直系親屬等情況，則還需要進行累加計算。

如圖2所示，假設(shè)目標分析企業(yè)為A，股權(quán)關(guān)系識別終端自然人為H、I、G，對于情形1中的股權(quán)關(guān)系，則通過間接持股控制算法可以計算得出H為企業(yè)A的疑似最終受益人;如果在自然人股東中出現(xiàn)配偶等關(guān)聯(lián)關(guān)系時，則持股算法又會進行相應(yīng)的調(diào)整，例如情形2中假設(shè)I和G為配偶關(guān)系，則此時計算得出的企業(yè)A的疑似最終受益人為I與G，共同持股比例達到54%，超過了H;若情形2中I和G無關(guān)聯(lián)關(guān)系，此時計算得到的H、I、G持股比例均未超過50%，則判斷最大持股比例股東所持比例與其他股東的平均持股比例的比率，根據(jù)內(nèi)部給定的參數(shù)閾值通過模型進行判斷，最終計算出最大持股比例的股東即為疑似最終受益人。

示例情形中的數(shù)據(jù)僅舉例分析了股權(quán)穿透3層的最終受益人識別計算路徑，而在實際的反洗錢工作中，復(fù)雜的股權(quán)關(guān)系可能高達數(shù)十層，涉及的客戶數(shù)也會是一個很大的量級，必須依托大數(shù)據(jù)模型算法，通過加工外部工商數(shù)據(jù)提供的股權(quán)信息以及商業(yè)銀行內(nèi)部積累的個人關(guān)聯(lián)關(guān)系信息，通過機器進行數(shù)據(jù)加工和結(jié)果分析，實現(xiàn)數(shù)據(jù)的精確識別和計算時效提升。

2. 隱形關(guān)系路徑下受益人識別。在商業(yè)銀行反洗錢監(jiān)測識別工作中，面臨的最大挑戰(zhàn)即為隱形關(guān)系路徑下最終受益人的識別，特別是對于委托人、代持股等非工商數(shù)據(jù)可以體現(xiàn)的情況，需要另辟蹊徑通過大數(shù)據(jù)分析技術(shù)進行疑似關(guān)系的識別。對于隱形關(guān)系路徑下的最終受益人，通常會存在利益關(guān)系輸送、新聞媒體披露、司法涉訴共同被告等蛛絲馬跡，但需要識別人員通過大量的信息檢索和數(shù)據(jù)分析來挖掘，一方面外部海量信息的檢索和識別工作十分煩瑣，另一方面也會帶來信息的不準確性和延時性。

通過目前大數(shù)據(jù)挖掘算法中的NLP（自然語義分析算法），即可實現(xiàn)該類信息的機器學(xué)習(xí)和自動識別，通過針對目標企業(yè)及其關(guān)聯(lián)企業(yè)的銀行交易流水數(shù)據(jù)、外部新聞輿情數(shù)據(jù)和司法涉訴類信息的數(shù)據(jù)清洗和加工整合，依托深度神經(jīng)網(wǎng)絡(luò)分類模型、分詞及TF-IDF抽取算法等人工智能技術(shù)，在深度模型訓(xùn)練以后，模擬實現(xiàn)各類文本數(shù)據(jù)的自主識別工作，迅速定位目標企業(yè)的疑似隱形最終受益人信息，同時輔之以反洗錢專家的經(jīng)驗識別，并將人工確認結(jié)果通過監(jiān)督學(xué)習(xí)的方式反饋給模型算法進行迭代優(yōu)化升級，從而實現(xiàn)隱形關(guān)系路徑下最終受益人有效識別（見圖3）。

此外，隨著大數(shù)據(jù)應(yīng)用中知識圖譜技術(shù)的不斷深入應(yīng)用，商業(yè)銀行借助內(nèi)外部數(shù)據(jù)整合后的信息支持，可以突破現(xiàn)有外部工商股權(quán)數(shù)據(jù)分析的技術(shù)瓶頸，在股權(quán)、投資、高管關(guān)聯(lián)外，通過增加保證信息、抵押權(quán)屬、資金交易、業(yè)務(wù)上下游等商業(yè)銀行特有的數(shù)據(jù)維度，挖掘客戶之間的多重關(guān)聯(lián)，形成可視化關(guān)聯(lián)關(guān)系圖譜，從而實現(xiàn)復(fù)雜路徑下的客戶關(guān)聯(lián)關(guān)系的查詢，輔助業(yè)務(wù)人員更準確、更有效地識別企業(yè)之間的關(guān)聯(lián)關(guān)系路徑。

五、關(guān)于實施保障的思考

（一）重視數(shù)據(jù)信息的安全與保密。

反洗錢工作中涉及大量的企業(yè)及其關(guān)聯(lián)個人的身份信息、交易信息，同時由于交易對手和運輸服務(wù)信息獲取的需要，還涉及大量的海外信息數(shù)據(jù)。由于境外經(jīng)營環(huán)境復(fù)雜，反洗錢工作可能會受到多方面因素的影響，特別是歐盟實施的《通用數(shù)據(jù)保護條例》（GDPR）嚴格監(jiān)管歐盟公民信息使用和管理，并適用于任何收集或處理歐盟公民數(shù)據(jù)的機構(gòu)，如出現(xiàn)數(shù)據(jù)泄露會予以上限2000萬歐元或企業(yè)上一財年全球年收入4%的監(jiān)管處罰。因此在反洗錢工作中對于數(shù)據(jù)信息安全和保密的要求，以及外部數(shù)據(jù)采購渠道的合規(guī)性，都將成為未來很長一段時間內(nèi)商業(yè)銀行反洗錢工作中需要重點關(guān)注和解決的問題。

（二）推動區(qū)塊鏈技術(shù)在反洗錢風險識別監(jiān)測不同環(huán)節(jié)和場景中的落地應(yīng)用

區(qū)塊鏈技術(shù)通過塊鏈式數(shù)據(jù)結(jié)構(gòu)存儲和驗證數(shù)據(jù)，利用分布式節(jié)點共識算法來生成和更新數(shù)據(jù)，利用密碼學(xué)的方式保證數(shù)據(jù)傳輸和訪問的安全，兩個機構(gòu)可以在有效授權(quán)后實時訪問共享數(shù)據(jù)庫，種種特征都與反洗錢工作中要求的數(shù)據(jù)保密合規(guī)性要求不謀而合，也為監(jiān)管部門與商業(yè)銀行、商業(yè)銀行彼此之間的信息共享提供了安全有效的路徑。區(qū)塊鏈技術(shù)能夠把全球各個國家中的各個機構(gòu)映射到虛擬數(shù)字世界，基于數(shù)學(xué)這種人類文明的最大公約數(shù)，匯集不同機構(gòu)的共識，實現(xiàn)反洗錢信息的全球?qū)崟r共享與隱私保密共存。

（三）強化反洗錢管理資源配置

商業(yè)銀行要加大對反洗錢專職管理資源配置的投入力度，各層級合規(guī)條線以及涉及跨境業(yè)務(wù)的主要條線部門均應(yīng)設(shè)置反洗錢專職管理人員，專職人員配置的數(shù)量要與機構(gòu)層級業(yè)務(wù)的規(guī)模和復(fù)雜程度相匹配，從而建立人員結(jié)構(gòu)合理、職能職數(shù)匹配、專業(yè)素質(zhì)過硬的反洗錢管理序列，提升反洗錢甄別工作的效能。

（四）加大人才培養(yǎng)和人員培訓(xùn)

商業(yè)銀行反洗錢工作數(shù)字化轉(zhuǎn)型是一項巨大工程，其核心是“場景+技術(shù)”，是業(yè)務(wù)和科技的深度融合，需要打造一支既精通業(yè)務(wù)又精通IT技術(shù)的復(fù)合型人才隊伍，從而緊盯監(jiān)管要求和業(yè)內(nèi)潮流發(fā)展方向，加快IT科技發(fā)展與反洗錢甄別工作的協(xié)同共進，通過反洗錢工作專業(yè)語言詮釋IT技術(shù)，并強化系統(tǒng)建設(shè)助力反洗錢甄別工作效能提升，實現(xiàn)商業(yè)銀行反洗錢領(lǐng)域核心競爭力的增強。

參考文獻：

[1]宋志國.大數(shù)據(jù)與反洗錢業(yè)務(wù) [J].中國金融，2015，（14）.

[2]黃靜云.基于大數(shù)據(jù)環(huán)境下的反洗錢工作探討 [J].武漢金融，2015，（124）.

[3]吳正德.反洗錢可疑交易監(jiān)測分析體系 [J].中國金融，2017，（154）.

[4]李長河，吳之遠.國有商業(yè)銀行貿(mào)易反洗錢工作的挑戰(zhàn)與對策 [J].新金融，2018，（34）.

[5]張國坤.構(gòu)建特定非金融機構(gòu)反洗錢監(jiān)管機制 [J].中國金融，2019，（184）.

[6]王怡靚.基于金融大數(shù)據(jù)的國家反洗錢計算機網(wǎng)絡(luò)系統(tǒng)建設(shè) [J].金融發(fā)展研究，2017，（64）.

[7]謝婼青，李世奇，朱平芳.數(shù)據(jù)挖掘技術(shù)在反洗錢中的應(yīng)用探究 [J].新金融，2017，（54）.

[8]李朋林，董一一.區(qū)塊鏈技術(shù)在商業(yè)銀行業(yè)務(wù)模式創(chuàng)新中的應(yīng)用 [J].財會月刊，2018，（214）.

[9]肖琨，王云，張桂剛.基于識別和多重分類的反洗錢系統(tǒng) [J].小型微型計算機系統(tǒng)，2019，（104）.

[10]陶士貴，姜薇.中資銀行“走出去”應(yīng)對反洗錢制裁的思考——基于農(nóng)行紐約分行被美國反洗錢制裁事件 [J].財會月刊，2018，（44）.