洗钱变成“脏”钱“干净”使其看起来像钱 犯罪行为实际上来自合法的信息来源（来源： fbi.gov）。 每年的洗钱量占全球 GDP 的 2% 到 5%，即高达 2 万亿美元 （来源： 联合国毒品和犯罪办公室）。 与从毒品、贩卖人口到恐怖主义等活动相关 这些现金流导致金融机构损失高达 每年在反洗钱技术和运营方面投入数百万美元。
Google Cloud 的 Anti Money Laundering AI (AML AI) 产品是一款用于评估反洗钱风险的 API。使用 以更防御、更有效的方式识别更多风险，同时减少误报 每次审核所需的时间缩短了。此 API：
- 为零售和商业银行客户生成每月风险评分
- 旨在满足模型治理要求
- 可向分析师、风险管理者、审计人员和监管机构解释
- 取代或补充旧版事务监控
- 可通过客户自己的补充风险指标进行扩展
它使用的相关数据
AML AI 只会使用您提供的数据。 AML AI 不使用 Google 数据来充实您的数据集。
准确性和覆盖率取决于您所提供数据的质量和完整性 根据 AML AI 架构以及 客户退出或可疑活动报告 (SAR) 数据进行训练。
将 AML AI 整合到您的 AML 流程中
AML AI 会根据您 Google Cloud 环境中的核心银行数据、可疑活动信息和其他数据进行训练。使用 API 实现以下目的： 生成风险得分和附带的可解释性输出， 提醒和调查流程
将调查数据馈送到 AML AI 中，以定期更新模型 和风险得分。
支持的金融产品
受支持的零售银行产品包括：
- 支票账户或活期账户
- 节省
- 信用卡
- 抵押贷款
- 个人贷款
这并不包括：经纪业务、任何类型的交易、加密货币或保险。
支持的商务银行产品包括：
- 现金账户
- 贷款
- 信用额度
- 客户直接付款
其中不包括：资本市场、贸易金融或外汇。
AML AI 支持的风险类型
AML AI 可以从五大核心 AML 中识别洗钱风险 与交易监控相关的风险类型。通过充分调查和补充党派数据，它可以涵盖更多类型。
列入许可名单的客户可以访问其他 AML AI 文档 来支持合规性并为风险治理流程建模。
通过高风险管辖区和跨境活动进行洗钱
在这种风险分类中，洗钱者使用的国家/地区或金融体系 反洗钱的法规或执行力度不强，以此来作为 通过移动来掩盖资金的来源和所有权。高风险 通常是指反洗钱 (AML) 法律较弱的管辖区， 对金融机构的监督不足，并且缺乏与金融机构的合作 外国机构。洗钱者通常通过贝壳公司、信托机构和 这些司法辖区的其他法律实体转移和隐藏 非法活动收益。在这些管辖区内，洗钱者可以处理在其他国家/地区会被标记为可疑的交易。通过 高风险管辖区列表是动态的，因为当地政府会定期对其进行审核 监管组织或政府间组织。
通过国内渠道和转嫁资金进行洗钱
在这种风险分类中，洗钱者会引入非法获取的 将资金以难以追踪的方式流入金融系统， 掩盖资金来源。漏斗是成功实现盈利的第一步 还涉及将非法资金转移到 以便进一步洗涤漏斗可通过 各种方式，例如通过壳类公司、离岸账户、现金 或钱骡。
通过壳类公司和专业工具进行洗钱
在此类风险类型中，洗钱者利用匿名空壳公司（仅存在于账面上，没有实际业务活动或资产的公司）来转移和隐瞒非法所得。这些公司可用于 制造合法业务交易的假象，隐藏真实来源 并使其难以跟踪空壳公司可用于各种洗钱活动，例如电汇资金、投资房地产、购买奢侈品或在海外银行账户中存放资金。它们可以在具有保密性质的管辖区中通过各种方式创建， 通常会与其他洗钱技术结合使用，例如 漏斗、分层和结构，以打造一个复杂的金融网络 可能难以拆解的交易。
通过构建资金来洗钱
在这种风险分类中，洗钱者将大额交易细分为 规模较小的组织（结构）来逃避金融机构的检测和 监管机构。设计结构的目的是避免触发报告 对超过特定阈值的交易有不同的要求。经常洗钱 进行多笔小额交易，以将金额控制在低于此阈值以下，或者 他们可以让多个人（即“smurfs”）进行交易， 。结构设计也包括往返流程，即洗钱站 将大量现金拆分成较小的金额 现金流入多个位置和账户。
通过洗钱
在此类风险类型中，洗钱者会利用个人（称为“洗钱人头”）代表他们接收和/或转移非法所得。钱 mule 可能是不知情的参与者，也可能是明知参与非法活动。他们可以 需要开立银行账户、收款和转账， 与非法资金进行交易，以掩盖 并使其看起来合法。作为中间人的洗钱人可以使交易更难追踪。