發布日期：2022-10-09 點擊率：58
讓ISIS如此頑強的一個原因是恐怖分子的活動網絡很分散，遍布世界各地，且都是在小范圍之內運作。這不僅讓執法部門難以預測該組織接下來會有何行動，還使得追蹤其活動網變得異常復雜，比如其銀行交易。小額資金從境外恐怖分子那里流向境內恐怖分子，但銀行很難在系統中識別出這些資金。
長期以來，銀行一直在使用反洗錢系統來標記可疑活動，而在9月11日之后，它們仍使用這個老辦法偵測與恐怖活動相關的交易。
但這些傳統工具并不能勝任這項新工作，雖然銀行開始依賴于硬編碼的“if-then”規則來預測可疑行為。例如，如果該軟件發現了從邁阿密到波哥大的七位數資金轉移，它就會識別出來并標記這筆轉賬。但是，像ISIS這樣的恐怖組織在國際上招募人員，進行規模較小、具有針對性的攻擊時，這些工具的效果就差了很多了。有太多的規則和可能性需要考慮。
在反金融犯罪行業工作了20年，并有美國毒品執法機構和美國進出口銀行工作經歷的DanStitt說：“（資金）在等待被轉移的時候，可以很容易地在比利時的某家青年旅社里安度一段時間。”
一個藏匿著的恐怖分子進行的小額交易可能不會被常規的反洗錢系統檢測到。除非這些系統使用人工智能技術。銀行正越來越多地轉向機器學習，通過挖掘大量銀行數據來監測賬戶和交易中的異?，F象，不然這些異常可能會被忽視。
Stitt說：“這是一種海底撈針一樣的外科手術式方法。”他現在是一家總部位于賓夕法尼亞州韋恩市的公司QuantaVerse的金融犯罪分析主任，該公司開發了一些世界上最大的銀行用來偵測洗錢、恐怖主義資金和其他金融犯罪的AI技術。
該技術已經幫助找到了一個被美國緝毒局稱為“世界最大的毒品洗錢人之一”的巴拿馬人。在這個行業中，機器學習的使用還處于早期階段，即使是QuantaVerse也不確定他們掌握的線索中有多少已經變成了實實在在的威脅。但金融監管專家對此類工具的潛力抱有很高的期望。
“機器能夠接收更多的數據點，并以一種人類無法達到的方式來分析這些數據點，”KevinPetrasic說，他是律師事務所的合伙人，專門從事金融監管。
銀行必須幫助找到罪犯
自1970年銀行保密法以來，銀行一直被要求協助政府機構偵查洗錢活動。軟件在某種程度上幫助了這一過程的自動化。然而，這個過程被具有誤導性的正常活動所困擾：在這一過程中，系統常常會標記出實際上并非屬于犯罪的行為。
道瓊斯最近對800多名反洗錢專業人士進行的調查發現，近一半的反洗錢人士表示，錯誤的警報損傷了他們對篩查過程準確性的信心。然而，為了滿足政府的要求，銀行每年在這些系統上投資數十億美元?！?/p>
這是價值數十億美元的投資——很多調查人員聚焦于調查舊系統發現的“案件”，但其中的絕大多數都不是真正的金融犯罪，”在2014年創立QuantaVerse的大衛麥克勞林說。
“與此同時，真正的金融犯罪卻無人注意?！?/p>
對于那些希望阻止資金流向外國作戰人員的銀行而言，其面臨的重要挑戰之一是目前存在著無限可能的交易組合，而銀行須將這些組合手動編碼進入基于規則的系統中。想要加入ISIS的人可能需要在布魯塞爾的ATM機上取80美元，在阿爾及利亞收電匯款，在黎巴嫩使用信用卡。他可能會取出發薪日貸款或把錢轉移給家人。就活動本身而言，其數量的增加可能并不會招致懷疑，但它們積累起來產生了一種可能會被機器標記為可疑的活動模式。
下一篇： PLC、DCS、FCS三大控
上一篇： 索爾維全系列Solef?PV
