运用人工智能与机器学习打击洗钱
分享
WMI 与南洋理工大学（NTU）合作开展了一项研究项目，评估并运用多种人工智能与机器学习技术，以增强反洗钱（AML）的预防与侦测能力。
该研究项目的目标包括：开发并应用一套先进的反洗钱模型，以更准确地判断客户实施洗钱的可能性与其交易模式之间的关系；并建立一套技术基础设施，使金融机构之间能够就此系统化、及时且有效地共享关键信息与情报。
该研究项目识别出的现有缺口包括：
- 现有反洗钱风险模型在数据集、评估、技术与系统方面的精细度不足
- 行业成员之间缺乏情报共享机制与基础设施，难以协同打击洗钱活动
尽管打击洗钱等金融犯罪至关重要且势在必行，但现有流程充斥着低效、误导性的误报与漏报风险，同时在系统、技术与数据方面的投入成本不断攀升。真实客户备受打扰，商业机会受到阻碍，而不法分子却逍遥法外。
该研究项目的最终成果是一套基于人工智能与机器学习的反洗钱模型，以及一个软件原型。合规与运营团队可借助该原型导入自有数据集，快速训练人工智能与机器学习模型，并将训练好的模型用于分析新交易、按洗钱风险概率识别预警、安排调查优先级，并协助提交可疑交易报告（STR）。研究成果包括一个运用人工智能与机器学习的反洗钱框架与模型，涵盖反洗钱行业参考模型、反洗钱模型验证，以及用于跨银行数据分析、具备隐私保护的安全架构。
我们很高兴能与南洋理工大学携手，在专家小组的支持与合作下，将严谨的研究与科学专识同真实的行业应用和贡献相结合。专家小组成员包括来自瑞银（UBS）、星展银行（DBS）、大华银行（UOB）、华侨银行（OCBC）、商业事务局（CAD）及新加坡金融管理局（MAS）的行业领域专家。这是一次令人鼓舞的协作精神与公私合作实践，凝聚各方专识，以共同体之力协同打击洗钱。
尽管该研究项目已结束，但打击金融犯罪的征程仍在继续。继基于人工智能与机器学习的模型原型开发完成之后，我们欢迎有兴趣进一步了解的金融机构，为您的机构与环境探索并试用该软件原型。如您有意洽谈，请联系 wmicompliance@wmi.edu.sg.
其他推荐文章
- 硕士课程
头条之外：在动荡市场中保持定力的秘诀
- 2026 年 4 月 17 日
重新思考多元化：Ray Dalio 谈构建平衡投资组合的要义
金融的未来：平衡创新、安全与可持续发展
- 硕士课程
从憧憬到成就：Felicia Tan 的 MAWM 课程之旅
财富顾问角色的演变：Cho Peng 的见解
私人银行家应学习 ESG 的 3 大理由
- 硕士课程
从银行到家族办公室：重塑职业之路
家族办公室如何把握影响税务考量的趋势先机
内部人视角：家族办公室最严峻的运营挑战
构建多资产策略需关注的关键趋势
构建高效多资产投资组合的专家建议
首席合规官（CCO）的乱局合规指南
驾驭现代家族办公室复杂性的全面指南
淡马锡专家：投资创新企业快速指南
面向未来的合规官的关键特质：资深总法律顾问的见解
- 硕士课程