AITerms 登入
金融AI異常偵測機器學習

反洗錢人工智慧(Anti-Money Laundering AI)是什麼?

反洗錢人工智慧(AML AI)利用AI技術自動偵測金融交易中的可疑活動,協助金融機構遵守法規,打擊洗錢犯罪。

完整定義

反洗錢人工智慧(AML AI)是指運用人工智慧技術,特別是機器學習和自然語言處理,來自動化和增強金融機構偵測和預防洗錢活動的能力。它能分析大量的交易數據,識別異常模式,並生成警報,以供人工審查。

白話說明

你在銀行 App 看到多筆看起來正常的轉帳,卻懷疑有人在拆單洗錢嗎?

你可以把反洗錢人工智慧想成交易紀錄的巡邏員,它會在大量金流裡找出可疑組合。

它的任務不是把所有異常都直接定罪,而是先把高風險案件挑出來,讓法遵團隊優先複核。

記住這句

不是抓每筆怪交易,而是先把最值得查的名單排出來

比喻:AML AI 就像一個 24 小時不打烊的金融偵探 -- 它會自動審查所有銀行交易,找出那些看起來怪怪的、不符合常理的金錢流動,幫忙抓出洗錢的壞蛋。

容易混淆

反洗錢人工智慧 vs 詐欺偵測?

反洗錢人工智慧:用模型找出可疑金流與異常交易模式

詐欺偵測:用模型找出騙帳號、盜刷或假交易

最關鍵的區別:AML 看的是資金流向與洗錢鏈,詐欺偵測看的是欺騙行為本身

反洗錢人工智慧 vs 異常偵測?

反洗錢人工智慧:重點在合規、風險分級與人工覆核

異常偵測:重點在找出偏離常態的資料點

最關鍵的區別:異常偵測是方法,AML AI 是把方法放進金融合規流程

反洗錢人工智慧 vs 信用評分?

反洗錢人工智慧:看大量交易脈絡,常搭配規則與模型一起用

信用評分:看的是借款人未來違約風險

最關鍵的區別:AML 管可疑金流,信用評分管還款能力,目的不同

實際案例

銀行的分拆轉帳

同一個帳戶一天內被拆成很多小額匯款,模型把這些連起來看,發現像是在躲避監控門檻

加密貨幣出金

交易所用模型比對地址關聯、時間密度與金額型態,把高風險提款先交給人工審查

演算法與應用

重點
輸入
你要看什麼
交易金額、頻率、對手帳戶、地理位置
為什麼重要
可疑行為通常藏在多個欄位一起看才看得出來
重點
模型
你要看什麼
分類模型、異常偵測、圖模型
為什麼重要
不同模型對不同洗錢手法各有優勢
重點
流程
你要看什麼
規則加模型再加人工覆核
為什麼重要
金融場景不能只靠模型分數

情境判斷

Q1:某帳戶突然連續轉出很多接近門檻的小額款項,系統應該優先做什麼?

先列入高風險名單,因為這種拆單行為很像刻意規避監控

Q2:模型抓到很多可疑案件,但人工複核後大多是正常交易,這代表什麼?

代表誤報太高,可能要調整閾值、特徵或規則,不是直接把模型丟掉

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 2 題把反洗錢人工智慧列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本