洗钱活动让“非法”资金看起来“干净”“干净”，因为犯罪行为实际上来自合法来源（来源：fbi.gov）。 每年，全球 GDP 的 2% 到 5%（即高达 2 万亿美元）的洗钱量。（来源：联合国毒品和犯罪办公室）。这些现金流涉及从毒品、贩卖人口到恐怖主义融资等活动，每年在反洗钱技术和运营方面给金融机构造成高达数亿美元的损失。
Google Cloud 的 Anti Money Laundering AI (AML AI) 产品是一个为 AML 风险评分的 API。使用它以更具防御性的方式识别更多风险，同时减少假正例并缩短每次审核时间。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
- 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根据 AML AI 架构所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 根据您的 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。使用该 API 生成风险得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 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 可以从与交易监控相关的五种核心 AML 风险类型中识别洗钱风险。通过进行充分的调查和补充性的第一方数据，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，以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，洗钱者利用反洗钱法规或执行力度较弱的国家或金融体系，通过流动资金来掩盖资金的来源和所有权。高风险管辖区通常是指反洗钱 (AML) 法律较弱、金融机构监督不足以及与外国机构未开展合作的管辖区。洗钱者通常利用这些司法辖区内的壳牌公司、信托机构和其他法律实体来转移和隐瞒非法活动的持续过程。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。高风险管辖区列表是动态的，因为当地监管机构或政府间组织会定期对其进行审核。
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，涉及将非法资金移入金融系统，以便进一步进行洗钱。漏斗可以通过各种方式进行，例如贝壳公司、离岸账户、现金企业或钱骡。
通过壳类公司和专业工具进行洗钱
在这种风险类型中，洗钱者利用匿名贝壳公司（只存在书面形式且没有实际业务活动或资产的公司）转移和隐藏非法收益。这些公司可以被用来制造合法业务交易的假象，隐藏真实的资金来源并难以跟踪。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。它们可在保密管辖区通过各种方式创建，并且通常与其他洗钱技术（例如洗钱、分层和结构化）结合使用，以创建难以解开的复杂金融交易网络。
通过构建资金来洗钱
在这种风险类型中，洗钱者将大型交易拆分为较小的交易（结构），以逃避金融机构和监管机构的检测。设计结构的目标是避免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，以将金额控制在不超过此阈值，或者委托多个人（即“smurf”）代表他们进行交易。组织还可以包括往返，即洗钱者将大量现金分解成较小的金额，然后将现金存入多个位置和账户。
通过洗钱
在这种风险分类中，洗钱者利用被称为“钱骡”的个人来代表他们接收和/或转移非法收益。钱骡可能是在不知情的情况下参与者，也可能是在故意参与非法活动。他们可能会被要求开设银行账户、接收并转账或使用非法资金进行购买交易，以隐藏资金的真实来源并使其看似合法。作为中间方的钱骡可以增加交易的跟踪难度。