CN115063228A - 一种反洗钱管理平台及反洗钱方法 - Google Patents
一种反洗钱管理平台及反洗钱方法 Download PDFInfo
- Publication number
- CN115063228A CN115063228A CN202210686331.XA CN202210686331A CN115063228A CN 115063228 A CN115063228 A CN 115063228A CN 202210686331 A CN202210686331 A CN 202210686331A CN 115063228 A CN115063228 A CN 115063228A
- Authority
- CN
- China
- Prior art keywords
- data
- transaction
- customer
- risk
- analysis result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004900 laundering Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请提供一种反洗钱管理平台及反洗钱方法。该平台包括：客户准入系统、可疑交易识别系统、黑名单系统和高风险客户管理系统；客户准入系统用于获取开户的客户数据，并利用预设规则对客户数据进行异常识别，将识别结果为异常的客户数据进行告警；可疑交易识别系统用于获取大额交易数据和交易数据对应的目标客户数据和账户数据，根据交易数据、目标客户数据和账户数据识别交易数据是否为可疑交易；黑名单系统用于存储多种名单类型的黑名单客户，并根据每种名单类型设置对应的管控措施；高风险客户管理系统用于识别高风险客户，并划分高风险客户等级。本申请的反洗钱管理平台能够综合各个系统对交易进行分析，提高了反洗钱监测的效率及准确性。
Description
技术领域
本申请涉及反洗钱可疑交易监测技术领域，具体而言，涉及一种反洗钱管理平台及反洗钱方法。
背景技术
近年来，随着移动支付、大数据、云计算等新技术在金融领域的广泛应用，既带动了金融服务效率的提升，促进了金融普惠，也带来了如网络欺诈、洗钱等一系列金融安全问题，其中反洗钱是金融机构在监控合规方面的重要领域。综合运用反洗钱监管政策工具，推行分类监管，完善风险预警和应急处置机制，切实强化对高风险市场、高风险业务和高风险机构的反洗钱监管，体现了趋严趋紧的监管趋势，商业银行的反洗钱制度、流程、系统亟需更新，以适应监管要求。
现有技术中，对客户数据的管理、交易的监测均是采用单独的系统，导致反洗钱监测技术存在监测效率低、监测不准确的问题。
发明内容
本申请实施例的目的在于提供一种反洗钱管理平台及反洗钱方法。用以提高反洗钱监测的时效性及准确性。
第一方面，本申请实施例提供一种反洗钱管理平台，包括：客户准入系统、可疑交易识别系统、黑名单系统和高风险客户管理系统；其中，所述客户准入系统用于获取开户的客户数据，并利用预设规则对所述客户数据进行异常识别，将识别结果为异常的客户数据进行告警；所述可疑交易识别系统用于获取交易额度大于预设额度的交易数据和所述交易数据对应的目标客户数据和账户数据，根据所述交易数据、目标客户数据和账户数据识别所述交易数据是否为可疑交易；所述黑名单系统用于存储多种名单类型的黑名单客户，并根据每种名单类型设置对应的管控措施；所述高风险客户管理系统用于识别高风险客户，并周期性对高风险客户进行等级划分。
本申请实施例通过将客户准入系统、可疑交易识别系统、黑名单系统和高风险客户管理系统集成在一个反洗钱管理平台中，使得反洗钱管理平台能够综合各个系统对交易进行分析，从而提高了反洗钱监测的效率及准确性。
在任一实施例中，所述客户数据包括身份基本信息、客户对应的账户数量和客户职业信息，所述身份基本信息包括姓名、性别、身份证信息，所述利用预设规则对所述客户数据进行异常识别，包括：若所述客户数据满足所述预设规则，则确定所述客户数据为异常；其中，所述预设规则包括以下至少一项：判断所述姓名、所述性别和所述身份证信息是否匹配，以及所述身份证信息是否过期；判断所述客户对应的客户数量是否超出预设个数；判断所述客户职业信息是否为空或为其他。
本申请实施例通过客户准入系统监测开户的客户数据中是否包含异常数据，从而能够保证客户在开户时所填写数据的正确性。
在任一实施例中，所述可疑交易识别系统具体用于：将所述交易数据、所述目标客户数据和所述账户数据输入反洗钱模型中，获得所述反洗钱模型输出的识别结果。
本申请实施例通过利用目标客户数据、账户数据和交易数据对交易数据进行识别，提高了识别的准确率。
在任一实施例中，所述账户数据包括：历史交易总次数、历史换卡次数、历史开户日期；所述交易数据包括交易时间、收款账户、交易IP地址和交易摘要；所述可疑交易识别系统具体用于：将所述历史交易总次数、历史换卡次数、历史开户日期、历史资金交易行为信息、交易时间、收款账户、交易IP地址和交易摘要，以及所述目标客户数据输入所述反洗钱模型，获得所述识别结果。
本申请实施例通过利用目标客户数据、账户数据和交易数据对交易数据进行识别，提高了识别的准确率。
在任一实施例中，所述名单类型包括制裁名单、政要名单、通缉名单和加强尽职调查名单。
本申请实施例通过对不同名单类型的黑名单客户设置对应的管控措施，从而实现个性化设置。
在任一实施例中，所述高风险客户管理系统具体用于周期性根据存量高风险客户情况、高风险等级分布、高风险客户数量、高风险客户的客户状态为正常的客户数量、高风险客户月交易量超过预设交易量阈值的客户数量、客户评为高风险等级持续时间大于预设持续时长的客户数量对高风险客户进行分析，获得高风险客户看板。
本申请实施例将高风险客户划分等级，从而实现对高风险客户的精准区分。
在任一实施例中，所述高风险客户管理系统具体用于：若客户在预设时间段内提交的可疑交易的次数大于预设次数，则确定所述客户为高风险客户。
在任一实施例中，所述客户准入系统还用于：获取当天的新增客户数据，若所述新增客户数据中异常的新增客户数据占比大于预设占比，则向对应的分行系统发送整改信息，以保证客户数据的正确性。
第二方面，本申请实施例提供一种反洗钱方法，包括：获取待分析交易信息，所述待分析交易信息包括待分析客户数据、待分析交易数据和待分析账户数据；通过客户准入系统分析所述待分析客户数据是否异常，获得第一分析结果；通过黑名单系统将存储的黑名单客户与所述待分析客户数据进行匹配，获得第二分析结果；通过所述高风险客户管理系统判断所述待分析客户数据对应的待分析客户是否为高风险客户，获得第三分析结果；通过所述可疑交易识别系统对所述待分析客户数据、所述待分析交易数据和所述待分析账户数据进行分析，获得第四分析结果；根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度。
在任一实施例中，所述根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度，包括：获取权重信息；所述权重信息包括所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果分别对应的权重；将所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果数值化；根据所述权重信息和数值化后的第一分析结果、第二分析结果、第三分析结果和第四分析结果确定所述风险程度。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种反洗钱管理平台结构示意图；
图2为本申请实施例提供的一种反洗钱管理系统架构示意图；
图3为本申请实施例提供的一种反洗钱方法流程示意图；
图4为本申请实施例提供的另一种反洗钱管理系统实体结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
图1为本申请实施例提供的一种反洗钱管理平台结构示意图，如图1所示，该平台包括客户准入系统101、可疑交易识别系统102、黑名单系统103和高风险客户管理系统104，其中：
客户准入系统101用于周期性获取开户的客户数据，并利用预设规则对所述客户数据进行异常识别，将识别结果为异常的客户数据进行告警；例如：可以在每天的固定时间获取当前开户的客户数据。其中，客户数据为客户在该银行开户时向银行的客户信息管理系统中提交的客户信息，平台周期性的从客户信息管理系统中获取客户数据。客户数据包括开户的客户对应的姓名、性别和身份证信息，还可以包括地址、职业等信息，本申请实施例对客户数据的具体内容不做限定。将客户数据填写不完整和/或填写错误认定为异常的客户数据。
对于识别结果为异常的客户数据，可以向对应分行的客户信息管理系统发送提示进行告警。
可疑交易识别系统102用于获取交易额度大于预设额度的交易数据和所述交易数据对应的目标客户数据和账户数据，根据所述交易数据、目标客户数据和账户数据识别所述交易数据是否为可疑交易。
预设额度为根据经验预先设定的金额，例如：100万人民币，50万人民币等，也可以采用其他币种，本申请实施例对此不作具体限定。交易额度可以指单次交易的额度，也可以是某一客户在一天内交易的总额度。以单次交易为例，如果单次的交易数据的交易额度大于预设额度，则认为该次交易存在洗钱的风险，可疑交易识别系统102获取该交易数据对应的目标客户数据和账户数据，并根据交易数据、目标客户数据和账户数据进一步分析该次交易是否为可疑交易。
其中，目标客户数据为该交易对应的客户在开户时提交的客户数据，账户数据包括该客户的账户相关的数据，例如：交易总次数，每次交易的时间、开户日期等等。
黑名单系统103用于存储多种名单类型的黑名单客户，并根据每种名单类型设置对应的管控措施。
名单类型可以包括制裁名单、政要名单、通缉名单和加强尽职调查名单中的多种。上述各种名单类型中的客户均可以通过从第三方系统中获取。
黑名单系统103从外部第三方系统中获取被制裁人员或单位的信息后，查询被制裁人员或单位是否在该银行开户，若在该银行开户，则将该被制裁人员或单位加入涉恐名单中，加入到被制裁名单中的客户的所有账户均按照被制裁名单对应的管制措施进行管制。例如：对于被制裁名单，其管制措施为“停止所有业务”，那么该被制裁名单中的所有客户的账户均被冻结，无法使用。
可以理解的是，政要名单、通缉名单和加强尽职调查名单的管控措施与涉恐名单类似，此处不再赘述。其管控措施包括：排除风险、继续业务、报批高管、停止建立业务关系、终止业务关系、冻结支付账户、中止交易，以及调高风险等级等。
高风险客户管理系统104用于识别高风险客户，并周期性对高风险客户进行等级划分。
高风险客户管理系统104可以将黑名单系统103中的客户作为高风险客户，同时还可以根据客户的交易情况进行分析，以识别其是否为高风险客户。同时，还对高风险客户进行了分级，例如，可以将高风险客户划分为一类、二类和三类，对于高风险国家地区的客户划分为一类；司法冻结、司法扣除对应的客户为二类；司法查询、首次上报可疑交易的客户为三类。针对无特定标签的客户统一划分为二类。从而实现对高风险客户的精准区分。
本申请实施例通过将客户准入系统、可疑交易识别系统、黑名单系统和高风险客户管理系统集成在一个反洗钱管理平台中，使得反洗钱管理平台能够综合各个系统对交易进行分析，从而提高了反洗钱监测的效率及准确性。
在上述实施例的基础上，所述客户数据包括身份基本信息、客户对应的账户数量和客户职业信息，所述身份基本信息包括姓名、性别、身份证信息，所述利用预设规则对所述客户数据进行异常识别，包括：
若所述客户数据满足所述预设规则，则确定所述客户数据为异常；其中，所述预设规则包括以下至少一项：
判断所述姓名、所述性别和所述身份证信息是否匹配，以及所述身份证信息是否过期；
判断所述客户对应的客户数量是否超出预设个数；
判断所述客户职业信息是否为空或为其他。
在具体的实施过程中，身份基本信息还可以包括籍贯、现居地址等。账户数量是指该客户在该银行共注册的账户的数量，一般来说，每个银行对客户可开通的账户的数量都上限要求，例如：一个客户在某一银行中最多可开两个账户。账户可以是对公账户，也可以是对私账户，针对对私账户，其客户职业信息为开户的个人所从事的职业信息；针对对公账户，客户职业信息为单位信息。
在进行客户数据的异常识别时，当姓名、性别和身份证信息完全匹配才认为该通过该条规则的识别。
在开户时，会要求客户上传身份证正反面，在身份证反面包含身份证的有效期，若开户时间在身份证有效期之外，则说明该身份证信息过期。身份证信息除了为身份证外，还可以是护照。
本申请实施例通过客户准入系统监测开户的客户数据中是否包含异常数据，从而能够保证客户在开户时所填写数据的正确性。
在上述实施例的基础上，所述可疑交易识别系统具体用于：
将所述交易数据、所述目标客户数据和所述账户数据输入反洗钱模型中，获得所述反洗钱模型输出的识别结果。
在具体的实施过程中，可以预先构建并训练反洗钱模型，该反洗钱模型中包括各种判断规则，综合各判断规则的结果，输出识别结果。
其中，账户数据包括历史交易总次数、历史换卡次数、历史开户日期；交易数据包括交易时间、收款账户、交易IP地址和交易摘要。
反洗钱模型将历史交易总次数与预设交易次数阈值进行比较，获得第一标记结果；考虑到洗钱活动一般的交易次数往往较多，因此，当历史交易总次数大于或等于预设交易次数阈值，则输出表示命中的第一标记信息，反之，则输出表示没有命中的第一标记信息。例如可以用11表示命中，用10表示没有命中。
反洗钱模型将历史换卡次数与预设换卡次数阈值进行比较，获得第二标记信息。若历史换卡次数大于或等于预设换卡次数阈值，则输出表示命中的第二标记信息，否则输出没有命中的第二标记信息。例如：可以用21表示命中，用20表示没有命中。
反洗钱模型判断相邻的历史开户日期是否小于预设时间段，如果有小于预设时间段的相邻的历史开户日期，则输出表示命中的第三标记信息，否则输出表示没有命中的第三标记信息。例如：可以采用31表示命中，用30表示没有命中。
账户数据中还可以包括历史资金交易行为，历史资金交易行为信息包括：历史交易日期、历史交易金额、历史登录IP地址、历史交易形式，其中，历史交易形式包括：取现、转账和存款。
反洗钱模型将当前交易数据对应的交易日期与历史交易日期进行比较，判断是否存在于当前交易数据的交易日期间隔小于预设时间段的历史交易日期，若小于则输出表示命中的第四标记，否则输出表示没有命中的第四标记。例如：可以用40表示命中，用41表示没有命中。
判断历史交易金额中大于预设金额的交易次数是否大于第一预设阈值，若大于则输出表示命中的第五标记，否则输出表示没有命中的第五标记。例如：可以用50表示命中，用51表示没有命中。
判断当前交易登录的交易IP地址与预设的高风险国家IP地址相同的次数是否大于预设IP次数阈值，若大于则输出表示命中的第六标记，否则输出表示没有命中的第六标记。例如：可以用60表示命中，用61表示没有命中。
判断交易摘要是否发生异常，若异常则输出表示命中的第七标记，否则输出表示没有命中的第七标记。例如：可以用70表示命中，用71表示没有命中。
判断收款账户在历史时间段内接收该交易数据对应的客户提交的交易次数是否大于第二预设阈值，若大于则输出表示命中的第八标记，否则输出表示没有命中的第八标记。例如：可以用80表示命中，用81表示没有命中。
若命中上述至少一个规则，则反洗钱模型输出该次交易数据为可疑交易的识别结果。
本申请实施例通过利用目标客户数据、账户数据和交易数据对交易数据进行识别，提高了识别的准确率。
在上述实施例的基础上，所述高风险客户管理系统还用于周期性根据存量高风险客户情况、高风险等级分布、高风险客户数量、高风险客户的客户状态为正常的客户数量、高风险客户月交易量超过预设交易量阈值的客户数量、客户评为高风险等级持续时间大于预设持续时长的客户数量对高风险客户进行分析，获得高风险客户看板。
在具体的实施过程中，存量高风险客户情况用于表示高风险客户管理系统中存储有高风险客户的客户数据。高风险等级分布用于表示处于各个高风险的等级的客户数量。高风险客户数量用于表示高风险客户管理系统中存储有高风险客户的数量。高风险客户的客户状态为正常的客户数量用于表示能够正常开展业务的高风险客户的客户数量。
针对上述每种因素均可以生成一个高风险客户看板，其看板形式可以是饼状图、柱状图、列表等，本申请实施例对此不作具体限定。
在上述实施例的基础上，在判断客户是否为高风险客户时，若客户在预设时间段内提交的可疑交易的次数大于预设次数，则确定该客户为高风险客户。其中，可疑交易可通过上述实施例提供的反洗钱模型分析获得。
另外，还可以将黑名单系统中的所有客户作为高风险客户。
本申请实施例将高风险客户划分等级，从而实现对高风险客户的精准区分。
在上述实施例的基础上，获取当天的新增客户数据，其中，新增客户数据是指当天提交开户请求对应的客户数据。若新增客户数据中有异常的新增客户数据占总的新增客户数据的比例大于预设占比，则向对应的分行系统发送整改信息，该整改信息中包括异常的新增客户数据，以督促分行系统尽快处理异常的新增客户数据。
图2为本申请实施例提供的一种反洗钱管理系统架构示意图，如图2所示，该平台包括：客户信息管理系统(BECIF)201、集团黑名单系统202、集团可疑交易监测系统203、大数据平台204和反洗钱管理平台205；其中，反洗钱管理平台包括客户准入系统2051、实时客户信息监测系统2052、可疑交易识别系统2053、黑名单系统2054、高风险客户管理系统2055和看板系统2056。BECIF 201、集团黑名单系统202、集团可疑交易监测系统203均与大数据平台204通信连接，大数据平台204从BECIF 201、集团黑名单系统202、集团可疑交易监测系统203中获取所需的数据，并将获取的数据发送至反洗钱管理平台。例如，从BECIF 201中获得客户数据，从集团黑名单系统202中获取黑名单客户，从集团可疑交易监测系统203中获取可疑交易的相关数据。看板系统2056用于显示高风险客户的情况。
本申请实施例所提供的反洗钱管理平台具备如下有益效果：
(1)通过全面的，整合的，加工数据，用图表，也运用高风险客户看板展示高风险客户的情况，发现已知或潜在的问题。
(2)发出预警跟踪，推进处理进度，从根本上解决当前遇到的类似地址和职业填写不准确等问题。
(3)深化客户准入管理工具之间、以及与其他内控、合规、风险管理工具的融合协同。
(4)通过整合多系统行内数据，行外数据结合，支撑对内控视角各业务线及分支机构的客户准入分析。
(5)通过对整合的问题数据科学分析和呈现，帮助发现的问题关注重点和确定持续的客户信息管理计划。
(6)进行运营监测数据接入，打通渠道-运营-合规对客户关键信息监测流程，建立监测长效机制。
图3为本申请实施例提供的一种反洗钱方法流程示意图，如图3所示，该方法应用于上述各实施例提供的反洗钱管理平台，包括：
步骤301：获取待分析交易信息，所述待分析交易信息包括待分析客户数据、待分析交易数据和待分析账户数据。
步骤302：通过客户准入系统分析所述待分析客户数据是否异常，获得第一分析结果；可以理解的是，判断待分析客户数据是否异常的方法参见上述实施例，此处不再赘述。
步骤303：通过黑名单系统将存储的黑名单客户与所述待分析客户数据进行匹配，获得第二分析结果；如果黑名单系统中存储的黑名单客户中包含与待分析客户数据一致的黑名单客户的客户数据，则确定第二分析结果为该待分析客户为黑名单客户。
步骤304：通过所述高风险客户管理系统判断所述待分析客户数据对应的待分析客户是否为高风险客户，获得第三分析结果；如果高风险客户管理系统中包含与待分析客户数据相同的高风险客户，则第三分析结果为待分析客户为高风险客户，并且，还可以确定该待分析客户的风险等级。
步骤305：通过所述可疑交易识别系统对所述待分析客户数据、所述待分析交易数据和所述待分析账户数据进行分析，获得第四分析结果；识别待分析交易信息是否为可疑交易的方法参见上述实施例，此处不再赘述。
步骤306：根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度。
综合考虑第一分析结果、第二分析结果、第三分析结果和第四分析结果，最终获得待分析交易信息的风险程度。其中风险程度包括低风险、中风险和高风险中的一种。
在分析其风险程度时，可以预先设定第一分析结果、第二分析结果、第三分析结果和第四分析结果分别对应的权重。例如：针对客户数据来说，有的正常客户在进行开户注册时，也会隐藏自己的职业等信息，因此，客户数据对结果影响程度较小，将第一分析结果的权重设置较低，例如，可以为0.1。进入黑名单系统的黑名单客户发出的交易一般来说其风险程度较高，因此可以将第二分析结果设置相对较高的权重，例如可以为0.3，被认定为高风险客户发出的交易其风险程度可以设置为0.2，即第三分析结果对应的权重为0.2，被反洗钱模型识别出为可疑交易，那么该待识别交易信息的风险程度较高，因此将第四分析结果的权重设置为0.4。
将上述四个分析结果进行数值化的具体方法可以为：若该待分析客户数据异常，则确定第一分析结果对应的数值为1，否则第一分析结果对应的数值为0；若第二分析结果表征待分析客户为黑名单客户，则第二分析结果对应的数值为1，否则第二分析结果对应的数值为0；若第三分析结果表征待分析客户为高风险客户，则第三分析结果对应的数值为1，否则第二分析结果对应的数值为0；若第四分析结果表征带分析交易信息为可疑交易，则第四分析结果对应的数值为1，否则第四分析结果对应的数值为0。
对各个分析结果加权求和，获得的数值与预设风险阈值进行比较，例如，预设风险阈值为0.7，若加权求和获得的数值大于或等于0.7，则确定待分析交易信息的风险程度为高风险，若加权求和获得的数值小于0.7，且大于或等于0.4，则确定待分析交易信息的风险程度为中风险，若加权求和获得的数值小于0.4，则确定待分析交易信息的风险程度为低风险。
本申请实施例通过本申请实施例通过将客户准入系统、可疑交易识别系统、黑名单系统和高风险客户管理系统集成在一个反洗钱管理平台中，使得反洗钱管理平台能够综合各个系统对交易进行分析，从而提高了反洗钱监测的效率及准确性。
图4为本申请实施例提供的另一种反洗钱管理系统实体结构示意图，如图4所示，所述电子设备，包括：处理器(processor)401、存储器(memory)402和总线403；其中，
所述处理器401和存储器402通过所述总线403完成相互间的通信；
所述处理器401用于调用所述存储器402中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取待分析交易信息，所述待分析交易信息包括待分析客户数据、待分析交易数据和待分析账户数据；通过客户准入系统分析所述待分析客户数据是否异常，获得第一分析结果；通过黑名单系统将存储的黑名单客户与所述待分析客户数据进行匹配，获得第二分析结果；通过所述高风险客户管理系统判断所述待分析客户数据对应的待分析客户是否为高风险客户，获得第三分析结果；通过所述可疑交易识别系统对所述待分析客户数据、所述待分析交易数据和所述待分析账户数据进行分析，获得第四分析结果；根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度。
处理器401可以是一种集成电路芯片，具有信号处理能力。上述处理器401可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以包括但不限于随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)等。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取待分析交易信息，所述待分析交易信息包括待分析客户数据、待分析交易数据和待分析账户数据；通过客户准入系统分析所述待分析客户数据是否异常，获得第一分析结果；通过黑名单系统将存储的黑名单客户与所述待分析客户数据进行匹配，获得第二分析结果；通过所述高风险客户管理系统判断所述待分析客户数据对应的待分析客户是否为高风险客户，获得第三分析结果；通过所述可疑交易识别系统对所述待分析客户数据、所述待分析交易数据和所述待分析账户数据进行分析，获得第四分析结果；根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取待分析交易信息，所述待分析交易信息包括待分析客户数据、待分析交易数据和待分析账户数据；通过客户准入系统分析所述待分析客户数据是否异常，获得第一分析结果；通过黑名单系统将存储的黑名单客户与所述待分析客户数据进行匹配，获得第二分析结果；通过所述高风险客户管理系统判断所述待分析客户数据对应的待分析客户是否为高风险客户，获得第三分析结果；通过所述可疑交易识别系统对所述待分析客户数据、所述待分析交易数据和所述待分析账户数据进行分析，获得第四分析结果；根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种反洗钱管理平台，其特征在于，包括：客户准入系统、可疑交易识别系统、黑名单系统和高风险客户管理系统；
其中，所述客户准入系统用于获取开户的客户数据，并利用预设规则对所述客户数据进行异常识别，将识别结果为异常的客户数据进行告警；
所述可疑交易识别系统用于获取交易额度大于预设额度的交易数据和所述交易数据对应的目标客户数据和账户数据，根据所述交易数据、目标客户数据和账户数据识别所述交易数据是否为可疑交易；
所述黑名单系统用于存储多种名单类型的黑名单客户，并根据每种名单类型设置对应的管控措施；
所述高风险客户管理系统用于识别高风险客户，并周期性对高风险客户进行等级划分。
2.根据权利要求1所述的平台，其特征在于，所述客户数据包括身份基本信息、客户对应的账户数量和客户职业信息，所述身份基本信息包括姓名、性别、身份证信息，所述利用预设规则对所述客户数据进行异常识别，包括：
若所述客户数据满足所述预设规则，则确定所述客户数据为异常；其中，所述预设规则包括以下至少一项：
判断所述姓名、所述性别和所述身份证信息是否匹配，以及所述身份证信息是否过期；
判断所述客户对应的客户数量是否超出预设个数；
判断所述客户职业信息是否为空或为其他。
3.根据权利要求1所述的平台，其特征在于，所述可疑交易识别系统具体用于：
将所述交易数据、所述目标客户数据和所述账户数据输入反洗钱模型中，获得所述反洗钱模型输出的识别结果。
4.根据权利要求3所述的平台，其特征在于，所述账户数据包括：历史交易总次数、历史换卡次数、历史开户日期；所述交易数据包括交易时间、收款账户、交易IP地址和交易摘要；
所述可疑交易识别系统具体用于：
将所述历史交易总次数、历史换卡次数、历史开户日期、历史资金交易行为信息、交易时间、收款账户、交易IP地址和交易摘要，以及所述目标客户数据输入所述反洗钱模型，获得所述识别结果。
5.根据权利要求1所述的平台，其特征在于，所述名单类型包括制裁名单、政要名单、通缉名单和加强尽职调查名单。
6.根据权利要求1所述的平台，其特征在于，所述高风险客户管理系统还用于周期性根据存量高风险客户情况、高风险等级分布、高风险客户数量、高风险客户的客户状态为正常的客户数量、高风险客户月交易量超过预设交易量阈值的客户数量、客户评为高风险等级持续时间大于预设持续时长的客户数量对高风险客户进行分析，获得高风险客户看板。
7.根据权利要求1所述的平台，其特征在于，所述高风险客户管理系统具体用于：若客户在预设时间段内提交的可疑交易的次数大于预设次数，则确定所述客户为高风险客户。
8.根据权利要求1所述的平台，其特征在于，所述客户准入系统还用于：获取当天的新增客户数据，若所述新增客户数据中异常的新增客户数据占比大于预设占比，则向对应的分行系统发送整改信息。
9.一种反洗钱方法，其特征在于，应用于如权利要求1-7任一项所述的反洗钱管理平台，所述方法包括：
获取待分析交易信息，所述待分析交易信息包括待分析客户数据、待分析交易数据和待分析账户数据；
通过客户准入系统分析所述待分析客户数据是否异常，获得第一分析结果；
通过黑名单系统将存储的黑名单客户与所述待分析客户数据进行匹配，获得第二分析结果；
通过所述高风险客户管理系统判断所述待分析客户数据对应的待分析客户是否为高风险客户，获得第三分析结果；
通过所述可疑交易识别系统对所述待分析客户数据、所述待分析交易数据和所述待分析账户数据进行分析，获得第四分析结果；
根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度。
10.根据权利要求9所述的方法，其特征在于，所述根据所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果确定所述待分析交易信息的风险程度，包括：
获取权重信息；所述权重信息包括所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果分别对应的权重；
将所述第一分析结果、所述第二分析结果、所述第三分析结果和所述第四分析结果数值化；
根据所述权重信息和数值化后的第一分析结果、第二分析结果、第三分析结果和第四分析结果确定所述风险程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210686331.XA CN115063228A (zh) | 2022-06-16 | 2022-06-16 | 一种反洗钱管理平台及反洗钱方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210686331.XA CN115063228A (zh) | 2022-06-16 | 2022-06-16 | 一种反洗钱管理平台及反洗钱方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115063228A true CN115063228A (zh) | 2022-09-16 |
Family
ID=83201508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210686331.XA Pending CN115063228A (zh) | 2022-06-16 | 2022-06-16 | 一种反洗钱管理平台及反洗钱方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115063228A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035433A (zh) * | 2023-10-10 | 2023-11-10 | 中国建设银行股份有限公司 | 非法资金转移客户识别方法及装置 |
| CN117035795A (zh) * | 2023-10-08 | 2023-11-10 | 中国建设银行股份有限公司 | 交易风险数据的识别处理方法及装置 |
-
2022
- 2022-06-16 CN CN202210686331.XA patent/CN115063228A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035795A (zh) * | 2023-10-08 | 2023-11-10 | 中国建设银行股份有限公司 | 交易风险数据的识别处理方法及装置 |
| CN117035795B (zh) * | 2023-10-08 | 2023-12-29 | 中国建设银行股份有限公司 | 交易风险数据的识别处理方法及装置 |
| CN117035433A (zh) * | 2023-10-10 | 2023-11-10 | 中国建设银行股份有限公司 | 非法资金转移客户识别方法及装置 |
| CN117035433B (zh) * | 2023-10-10 | 2023-12-22 | 中国建设银行股份有限公司 | 非法资金转移客户识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109829776B (zh) | 商户风险评估方法、装置、计算机设备和存储介质 | |
| CA2821095C (en) | System and method for detecting fraudulent account access and transfers | |
| US8732084B2 (en) | Identification and risk evaluation | |
| CN115063228A (zh) | 一种反洗钱管理平台及反洗钱方法 | |
| EP2555153A1 (en) | Financial activity monitoring system | |
| US20120150786A1 (en) | Multidimensional risk-based detection | |
| CN111178219A (zh) | 票据识别管理方法、装置、存储介质及电子设备 | |
| US20070073617A1 (en) | System and method for evaluation of money transfer patterns | |
| US8706587B1 (en) | Statistical prioritization and detection of potential financial crime events | |
| CN109377339B (zh) | 一种可疑交易案例的辅助甄别方法及系统 | |
| CN113034274A (zh) | 一种基于区块链的供应链金融服务系统、方法及终端设备 | |
| CN109242658B (zh) | 可疑交易报告生成方法、系统、计算机设备和存储介质 | |
| CN115082225A (zh) | 一种企业融资风险的评估方法和装置 | |
| CN110659989A (zh) | 一种主动探索式合规反洗钱方法、装置、系统及存储介质 | |
| US20130179317A1 (en) | Negotiable instrument electronic clearance monitoring systems and methods | |
| CN115564449A (zh) | 交易账户的风险管控方法、装置及电子设备 | |
| CN114820169A (zh) | 一种金融业务的数据服务处理系统及方法 | |
| CN110991650A (zh) | 训练养卡识别模型、识别养卡行为的方法及装置 | |
| Pohoretskyi et al. | The proof of the event of a financial resources fraud in the banking sector: problematic issues | |
| CN115564591A (zh) | 一种融资产品的确定方法及相关设备 | |
| CN114187116A (zh) | 用于管理账户信息的方法和装置 | |
| CN114140245A (zh) | 机构风险评估方法、装置、设备及计算机存储介质 | |
| CN114880369A (zh) | 一种基于弱数据技术的风险授信方法和系统 | |
| CN111861734A (zh) | 三方数据源的测试评估系统及方法 | |
| CN114372870A (zh) | 信用预审批方法和信用预审批装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |