Искусственный интеллект в борьбе с финансовыми преступлениями

Искусственный интеллект в борьбе с финансовыми преступлениями

Как распознать мошенника
Эксперты / Евгений Воловик 06 Июл 2019, 14:10
Искусственный интеллект в борьбе с финансовыми преступлениями

Еще одно любопытное использование ИИ. В настоящее время уровень успешного предотвращения отмывания денег оценивается цифрой менее 5%. Известно, что финансовые преступники – люди, которые занимаются отмыванием преступных доходов, финансированием терроризма, уклонением от санкций, мошенничеством и другими преступлениями – манипулируют идентифицирующей информацией, обманывая самых искушенных работников комплаенса. Делается это так. Дав взятку чиновнику, преступник получает настоящее удостоверение личности на другое лицо. Обычно это паспорт или водительские права. 

Иногда человек подкрепляет документ другими бумагами, подтверждающими его личность, место жительства и место работы. Затем на эти документы с успешным прохождением всех положенных проверок открывается счет в банке. После этого по программе «Гражданство в обмен на инвестиции» с помощью третьих лиц преступник может получить еще и паспорт гражданина другого государства. У него появляется возможность открыть счет в финансовой организации одной из стран Европы и Северной Америки. Он притворяется состоятельным международным бизнесменом. Хотя на самом деле это – преступник. Но его новая личность абсолютно чиста.

Сотрудник комплаенса, делая углубленную проверку такого клиента по представленным им документам, скорей всего, правды так и не узнает. Выявить преступника позволяет система распознавания личности по лицу человека. Его портрет можно сопоставить с фотографиями из его темного преступного прошлого, изображениями в социальных сетях и т. д. Представим себе базу данных изображений известных финансовых преступников, построенную на материалах уголовных дел, фотографиях в криминальных сводках, паспортах, визах и других источниках изображений.

В последних системах распознавания лиц применяется так называемое глубокое обучение (deep lear№ i№ g) – совокупность методов машинного обучения, основанных на обучении представлениям, а не специализированным алгоритмам под конкретные задачи. Подключив такую систему к внутрибанковскому контуру видеонаблюдения, можно получить комплекс, способный подавать немедленный сигнал службе комплаенса банка уже в момент, когда в здание входит известный преступник, в особенности, если это человек, занимающийся отмыванием преступных доходов или курьер, занимающийся контрабандой наличных денег. Этот сигнал немедленно передается сотруднику фронт-офиса банка, и тот отказывает клиенту в обслуживании. Что касается законопослушных клиентов, то в договорах с ними работу системы распознавания лиц можно оговаривать особо.

Как только о работе такой системы станет известно финансовому преступнику, он станет обходить ваш банк стороной. Подобная система способна резко сократить масштабы структурирования операций и размещения преступных доходов в финансовых системах. Ясное дело, условием успешной работы такой системы является база данных изображений, полная, надежная и по возможности актуальная.

Как применить систему распознавания лиц

Построенные на базе ИИ системы распознавания лиц применяются для идентификации клиентов в финансовых организациях уже не первый год. Эксперты обращают внимание на важность применения таких систем при возникновении проблем с языком, на котором оформлены удостоверения личности. В серийно выпускаемых коммерческих базах данных физических и юридических лиц высокого риска обычно используется английский язык. Когда сотрудник комплаенса банка работает с новым клиентом – гражданином иностранного государства, такая база данных нередко не срабатывает из-за проблем с языком и написанием имени клиента. За примерами далеко ходить не надо:

1. Документ клиента может быть выполнен на языке с нелатинским алфавитом. Это могут быть арабские буквы, китайские иероглифы и т. д. Имя может транслитерироваться на английский множеством абсолютно допустимых способов.

2. Иногда имя человека несет местную уменьшительно-ласкательную окраску. Находясь за рубежом, человек использует английский вариант этого имени, а возвращаясь домой, пользуется обычным именем на своем языке. Программа проверки по базе данных имен такое имя не выловит.

3. Иногда в документах фамилия предшествует имени (как в китайском), или же имя дается в сокращенном варианте. И в этом случае базы данных тоже буксуют.

4. Некоторые языки добавляют к именам префиксы или суффиксы, что опять-таки затрудняет поиск.

5. Бывают случаи, когда клиенту не нравится его имя и он использует свое второе имя (отчество) даже в официальной корреспонденции и удостоверяющих документах.

6. Клиент может купить паспорт по программе «Гражданство в обмен на инвестиции» в стране с коррумпированными чиновниками. В таком паспорте может быть совсем другое имя, совершенно отличное от имени фигурирующем, скажем, в санкционном списке какой-то страны.

Во всех этих случаях задачу идентификации клиента решает система распознавания лиц, работающая с социальными сетями, изображениями в интернете, фотографиями в газетах и многими другими ресурсами. Использование в банках только традиционных баз данных лиц высокого риска больше не считается достаточным для идентификации. Исключить любые сомнения может система распознавания лиц.

Системы распознавания лиц обрабатывают миллионы миллионов изображений официальных документов, социальных сетей, средств массовой информации и т. д. Они начинают внедряться в практику комплаенса финансовых организаций, программы проверки клиентов которых опираются на «облачные источники данных второго поколения» и источники негативных новостей.

Надо отметить, что существует множество факторов, которые затрудняют позитивную идентификацию личности по изображению. Это – размер и качество изображения, угол поворота лица на изображении, выражение лица человека и т. д. Поэтому в процедуре расследования большое значение приобретают платформы социальных сетей. Для поиска неизвестных лиц применяется ИИ и когнитивное обучение. Все начинается с данных на уже известное и ранее идентифицированное лицо, которое может быть лидером группировки. Система обнаруживает этого человека на обычном групповом фото или в записи системы видеонаблюдения, затем, анализируя изображения в социальных сетях, можно установить и других людей на фотографии. Это можно сделать, даже если известный человек не имеет прямых связей с другими лицами, либо связан с ними через третьих лиц. Обычные системы на такое не способны.

Примеры:

1. Клиенты международного банка происходят из стран с высоким уровнем коррупции. Работник службы комплаенса может найти групповое фото известного высокопоставленного государственного чиновника с другими людьми, которые могут быть его знакомыми, друзьями и т. д. Поиск по социальным сетям может позволить идентифицировать других лиц на фотографии. По законам многих государств такие люди являются публичными должностными лицами. После этого можно проверить, держат ли они большие суммы на счетах в банках. В отношении таких граждан должен вестись обязательный мониторинг: они могут без лишнего шума перемещать уведенные у государства средства, взятки, откаты. Это могут быть люди, с которыми чиновник имеет связи, в том числе и дальние родственные связи, либо с которыми занимается бизнесом и т. д.

2. Неустановленное лицо на нечетком изображении системы видеонаблюдения бара запечатлено в компании с одним известным работником корпорации, носителем инсайдерской информации о перспективах деятельности предприятия. Лицо это может быть биржевым «консультантом», который торгует инсайдом. Из-за низкого качества изображения система может его не установить. Однако с помощью программы поиска в социальных сетях бывает возможно выявить косвенные связи между инсайдером и людьми на видеокадре – по прошлой работе, учебе в школе или вузе, по совместному отдыху и т. д.

3. В ходе обыска по месту жительства лидера наркогруппировки обнаружено фото с неустановленными членами этой группы. Поиск в социальной сети выводит на посты этого лидера, на сайты его жены, любовницы и, в конечном счете, на всех людей, запечатленных на фотографии.

Использование социальных сетей дает возможность провести позитивную идентификацию людей на изображении.

Время экспериментировать

Зарубежные комментаторы полагают, что технологии ИИ сегодня достигли уровня зрелости, достаточного для решения некоторых наиболее «неинтересных, рутинных», но актуальных задач банковской отрасли. При этом банкам нет необходимости изымать из работы элементы существующих систем мониторинга: новые технологии дополняют действующие системы и повышают их характеристики. Эксперты рекомендуют банкам и дальше выявлять «болевые точки», пытаться использовать ИИ для их ликвидации, пожинать плоды победы и двигаться к решению следующих задач.

Роль регуляторов в процессе внедрения инноваций. Новые технологии позволяют усилить борьбу с финансовыми преступлениями, повысить защиту клиентов финансовой организации и снизить репутационные риски не только банкам, но и регуляторам. Последние начинают работать непосредственно со специалистами технологической отрасли, они стали лучше понимать возможности технологий, постепенно становятся специалистами сами и находят нужный баланс между новой техникой, обременительным регулированием и затратами. Это дает возможность регуляторам определиться как с направлением собственного развития, так и с развитием банков.

За рубежом регуляторы выдают организациям финансового рынка разрешение на проведение экспериментов с ИИ, более того, они поощряют такое экспериментирование. Естественно, делать это разрешается только при ответственном подходе к делу со стороны финансовой организации. Повсеместно регуляторы поддерживают экспериментирование финансовых организаций с системами ИИ. В ноябре прошлого года Валютное управление Сингапура опубликовало документ, содержащий «принципы обеспечения справедливости, этики, подотчетности и прозрачности в использовании технологий ИИ в финансах». 

В декабре того же года пять федеральных ведомств США, включая Федеральную резервную систему (US Federal Reserve System), Федеральную корпорацию по страхованию депозитов (Federal Deposit Insurance Corporation – FDIC) и американскую финансовую разведку (Financial Crimes Enforcement Network – FinCEN), выпустили совместное заявление, призывающее банки заняться внедрением у себя инновационных решений, повышающих эффективность противодействия незаконной финансовой деятельности (включая и ИИ). Перед отраслью поставлена задача «рассмотреть, провести оценку, и где это целесообразно, внедрить инновационные подходы» к решению задачи поиска операций, выполняемых преступниками с целью отмывания денег и финансирования терроризма. Регуляторы полагают, что инновации в частном секторе, и, в частности, ИИ, способны оказать помощь банкам в выявлении и передаче сообщений о преступной финансовой деятельности, что должно повысить эффективность программ комплаенса в финансовых организациях.

Воодушевленная американскими регуляторами, отрасль финансовых услуг в США занялась изучением новых подходов к использованию ИИ для обеспечения комплаенса и выявления операций преступников и террористов. Банки, консультационные фирмы и компании финтеха стали искать менее дорогие и более рациональные способы мониторинга операций в целях противодействия отмыванию денег. Некоторым наблюдателям энтузиазм отрасли напомнил конец девяностых годов прошлого века, когда банки обратились к использованию только-только появившегося в те годы интернета. При этом эксперты указывают на весьма сильные аргументы в пользу того, что в будущем ИИ «затмит» интернет. Считается, что тот представитель рынка финансовых услуг, который «не начнет работу по оценке возможностей ИИ с точки зрения повышения качества обслуживания клиентов, рискует вылететь из бизнеса в самом ближайшем будущем».

На данном этапе финансовым организациям приходится проявлять особую осторожность при применении искусственного интеллекта. Опасения небеспочвенные: недавно Комиссия по ценным бумагам и биржам (Securities and Exchange Commission – SEC) США предъявила обвинение двум «робоконсультантам» в нарушении законодательства о рекламе, комплаенсе и противодействии мошенничеству. В США банки и их партнеры по-прежнему нервничают из-за того, что никто не гарантирует их освобождения от наказания, если пилотные программы выявят существующие пробелы в комплаенсе. По мнению комментаторов, в Гонконге, например, где бизнес «чувствует, что находится под усиленным контролем со стороны регулирующих органов», инновации внедряются более активно, чем в Штатах.

Экспериментируя с машинным обучением в борьбе с отмыванием денег, банки избегают слишком быстрого продвижения вперед. Они опасаются, что могут не поладить с регуляторами. По оценке некоторых экспертов, финансовые услуги – это не та отрасль, которая может быть первопроходцем в области внедрения ИИ.

Декабрьское заявление регулирующих органов США, прозвучавшее в значительной степени оптимистично, но одновременно и предостерегающе, является лишь одним из недавних признаков того, что американским властям становятся все более любопытны инновации в процедурах комплаенса. И все же они относятся к новому с подозрением. Быстрый рост финтеха настораживает регуляторов, побуждает внимательнее мониторить инновации, которые могут навсегда изменить банковскую отрасль. Федеральный резервный банк Нью-Йорка недавно организовал «консультативную группу по финтеху», в которую вошли научные работники, банкиры и юристы, всего 10 человек. 

Цель – «установить четкие точки контакта с представителями руководящего состава и авторитетными экспертами» финтех – индустрии. Группа займется «сбором информации о взаимодействии между участниками рынка и организациями, о мероприятиях по обучению и найму, а также о применении инновационных подходов для использования в бизнесе». Создание группы знаменует собой отход от старых позиций Федеральной резервной системы, которая, в отличие от других банковских регуляторов, исторически придерживалась подхода невмешательства в финтех-инновации.

Другие американские регуляторы выступили с собственными инициативами. Управление контролера денежного обращения (Office of the Comptroller of the Currency) и Федеральная корпорация страхования депозитов дали понять, что готовы работать с новаторами финтеха. Бюро финансовой защиты потребителей (Consumer Financial Protection Bureau) недавно предложило идею «регуляторной песочницы», целью которой будет создание для компаний условий для экспериментирования с новыми финансовыми продуктами без необходимости оглядываться на закон.

Американские компании приняли к сведению условие декабрьского заявления о том, что регулятор «не обязательно» будет наказывать их за прошлые нарушения, обнаруженные в ходе последующих экспериментов. Нервничать их заставляет расплывчатость таких формулировок. Позиция регуляторов США резко контрастирует с более мягкими подходами регуляторов в других странах, в частности, Соединенного Королевства и Сингапура.

Подписывайтесь на нашу рубрику:
Для подпсики необходимо авторизироваться
Укажите вашу электронную почту в личном кабинете
Комментарий
Чтобы оставить комментарий необходимо авторизироваться