洗钱变成“脏”钱“干净”使它们看起来像钱 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）。 涉及从毒品、贩卖人口到恐怖主义等活动 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) 产品是一个为 AML 风险评分的 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 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 基于您的核心银行数据和可疑活动进行训练 信息和 Google Cloud 环境中的其他数据。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
- 节省成本
- 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。
支持的商业银行产品包括：
- 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。经过充分调查 和补充性的方数据，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，洗钱者可以 处理在其他国家/地区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 将资金以难以跟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
在这种风险分类中，洗钱者利用匿名贝壳公司， 仅以书面形式存在，且没有实际业务活动的公司，或 转移和隐藏非法收益。这些公司可用于 制造合法业务交易的假象，隐藏真实来源 并使其难以跟踪壳牌公司可用于 各种洗钱活动，如电汇资金、 投资房地产、购买奢侈品或在离岸银行存钱 账号。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
在这种风险分类中，洗钱者利用个人，也就是 "money mules", 代表其接收和/或转移非法收益。钱骡可以 参与者或在知情的情况下参与了非法活动。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。作为中间方的钱骡 可用于使事务更加难以跟踪。