洗钱让犯罪行为看起来像是真正来自合法来源（资料来源：fbi.gov），这就变成了“脏乱的”洗钱行为。全球每年有高达 2% 至 5%（即高达 2 万亿美元）洗钱（资料来源：联合国毒品及犯罪办公室）。这些现金流涉及从毒品、贩卖人口到恐怖主义筹款等各种活动，每年在反洗钱技术和运营方面每年都会让金融机构损失高达数亿美元。
Google Cloud 的反洗钱 AI (AML AI) 产品是一款针对 AML 风险进行评分的 API。利用此功能，可以更可靠地识别更多风险、减少假正例并缩短审核时间。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
- 易于向分析师、风险管理人员、审核人员和监管机构说明
- 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
使用的数据
除了您提供的数据之外，AML AI 不会使用任何其他数据。 AML AI 不使用 Google 数据来丰富您的数据集。
准确性和覆盖率取决于您根据 AML AI 架构提供的数据的质量和完整性，以及要用于训练的客户退出或可疑活动报告 (SAR) 数据的数量和质量。
将 AML AI 整合到您的 AML 流程中
AML AI 会根据您的核心银行数据、可疑活动信息以及 Google Cloud 环境中的其他数据进行训练。使用该 API 生成风险评分和随附的可解释性输出，为您的提醒和调查流程提供支持。
将调查数据馈送到 AML AI，以定期更新模型和风险评分。
AML AI 支持的风险类型
AML AI 可以在与交易监控相关的五种核心 AML 风险类型中识别洗钱风险。有了足够的调查和补充的第三方数据，它就可以涵盖更多类型。
已列入许可名单的客户可以访问其他 AML AI 文档，以支持合规性和模型风险治理流程。
通过高风险管辖区和跨境活动进行洗钱
根据这种风险分类，洗钱者使用对洗钱的法规或违规处置较弱的国家/地区或金融系统，通过转账来掩盖资金的来源和所有权。高风险管辖区通常是反洗钱 (AML) 法律薄弱、金融机构监督不足以及与外国当局合作的地区。洗钱者通常会通过这些司法管辖区成立的空壳公司、信托机构和其他法律实体来搬迁和隐瞒非法活动的行为。在这些司法管辖区，洗钱者可以处理在其他国家/地区被标记为可疑交易的交易。由于当地监管组织或政府间组织会定期审核高风险管辖区列表，因此该列表会不断变化。
通过国内漏斗和转嫁资金进行洗钱
根据这种风险分类，洗钱者以难以追踪的方式将非法获得的资金引入（放置）到金融系统，以掩盖资金来源。漏斗是洗钱流程的第一步，这涉及将非法资金转移到金融系统，以便进一步洗钱。漏斗可以通过各种方式完成，例如通过空壳公司、离岸账户、现金企业或货币骡队。
通过壳牌公司和专业推动因素洗钱
根据这种风险分类，洗钱者利用匿名的壳牌公司（仅纸上存在，没有实际业务活动或资产的公司）转移和隐藏非法收益。这些公司可用于制造虚假业务交易的假象，隐藏真实的资金来源并使之难以追溯。壳牌公司可用于各种洗钱活动，例如电汇、投资房地产、购买奢侈品或在离岸银行账户中存钱。在具有保密性质的司法管辖区内，加密货币可通过各种方式创建，并且通常与其他洗钱技术（例如趣味性、分层和结构化）结合使用，以创建难以揭开的复杂金融交易网络。
通过基金结构进行洗钱
在这种风险分类中，洗钱者将大额交易分解为小额交易（结构），以逃避金融机构和监管机构的检测。设置结构的目的是避免针对超过特定阈值的交易触发报告要求。洗钱者通常会进行多笔小额交易，以不超出此最低限额，或者利用多人（即“smurfs”）代表他们进行交易。结构设计还可以包括往返，即洗钱程序将大量现金拆分为较小的金额，然后将现金存入多个地点和帐号。
通过贪睡行为洗钱
在这种风险分类中，洗钱者利用个人（称为“钱币”）来代表他们接收和/或转移非法收益。金钱骡子可能对参与者不知情，也可能在知情的情况下参与了非法活动。他们可能会要求他们开设银行账户、收款并转账，或使用非法资金进行购买，以隐藏资金的真实来源，并使其看起来合法。资金 Mle 充当中介，可用于让交易更难跟踪。