跨域数据融合

构建全方位反洗钱智能监控平台

　　随着科技发展，洗钱犯罪手段不断翻新，呈现出多样且隐蔽的特征，对国家和社会安全构成严峻挑战。为促进反洗钱体系智能化数字化集约化升级，中国建设银行积极挖掘“数据要素×”价值，并充分发挥“金融科技”的驱动力量，通过建设底层数据要素、应用核心数据模型、生成数据智能报告，创新打造全方位反洗钱智能监控平台方案，形成“1+2+N”，即1个底层数据建设、2个核心模型优化应用、N种反洗钱智能报告类型生成的架构体系，不仅强化了反洗钱工作的精准度与效率，更为维护金融秩序与社会安全筑起了一道坚实的防线。

　　一是底层数据要素建设。本项目借助隐私计算，跨域引入政务数据、第三方机构和社会公开数据等数据要素，充分融合建行自有数据，构筑反洗钱体系底层数据图谱。其中涵盖了如医社保、公积金、失信人信息、银联交易等上千种客户标签，填补客户非金融画像空白，拓宽资金交易网络，有利于发现潜在团伙洗钱风险。二是核心数据模型应用。当前我行反洗钱核心数据模型中已融合了130多个可疑监测模型。运用图计算、机器学习和可视化能力，为业务和技术专家设计了一套“挑数据 选算法”的自助建模工具。通过“拖拽”数据标签和算法快速建模，实现核心模型扩展。同时根据客户命中模型情况，运用核心大语言模型智能提取可疑行为特征和资金上下游关系数据，分析识别团伙洗钱风险和类型。三是数据驱动智能报告。客户基于底层数据图谱命中不同可疑模型的概率和大语言模型分析识别的结论，智能生成多种类型的可疑交易辅助分析报告。

　　本项目跨域融合多源数据和多种先进技术工具，有效解决了传统反洗钱流程中“客户数据全貌不足、模型甄别不智能、报送材料编写质量不高”的痛点问题，全年可为建行福建省分行释放人工生成可疑交易报告工作量38.4万工时，可疑客户分析效率提升10倍以上。