新加坡金管局与银行业合作，利用人工智能和机器学习打击金融犯罪

【新加坡】新加坡金融管理局 (金管局)于周一（5月4日）表示，将利用人工智能和机器学习技术打击金融犯罪。

为加强诈骗侦测能力，该央行将与银行业合作伙伴、新加坡政府科技局 (GovTech) 以及新加坡警察部队合作。

金管局正在进行一项价值证明 (POV) 活动，旨在探索在预防性诈骗侦测中应用人工智能和机器学习，这是将这些技术应用于全行业用例的更广泛努力的一部分。

金管局表示，这项价值证明活动将为更深入的行业合作奠定基础，同时加强和补充金融机构现有的预防和打击金融犯罪的努力。

金管局补充说，该活动将使用来自五家银行的数据，以建立更稳健、更准确的人工智能和机器学习模型，从而识别高风险交易和账户。

该机构指出，这种“及时识别能够实现及时评估、干预，并减少客户因诈骗遭受的损失”。

具体而言，来自参与银行的、包含银行账号的历史交易数据将被用于训练和评估人工智能和机器学习模型，以评估其在改进诈骗侦测方面的潜力。

为支持这项价值证明活动，金管局已为行业合作伙伴提供一个“安全的（数据共享）环境，该环境由政策和协议管理，以保障客户信息”。

金管局还与行业参与者建立了一个框架，以确保共享的数据得到保护和负责任地使用。该央行补充道，在价值证明活动中使用的数据将保持机密，并通过加密技术进行保护。

SEE ALSO

Director and company secretary to be charged over suspected involvement in money-laundering activities

Will the step forward in frontier AI mean a step backward in cybersecurity?

例如，银行账号将经过哈希处理，这是一种用一组独特的生成值替代输入数据的算法过程。这确保了只有提供数据的银行才能识别出实际的账号。

金管局表示，此外，只有授权人员才能在受控环境中访问数据，而该环境在整个价值证明活动期间都将受到监控。

所有使用的数据将在活动结束时被删除。

金管局表示，在评估其有效性后，可能会通过纳入更广泛的数据集和更多样化的用例，来扩大所使用的人工智能和机器学习模型的范围和复杂性。

“朝着正确方向迈出的一步”

接受《商业时报》采访的行业观察人士对此举表示欢迎。

PwC新加坡合伙人 Thangaraja Nadaraja 表示，金管局的这项举措“意义重大”，因为整合五家银行的数据能让 人工智能 和机器学习模型侦测到“任何单一机构独立行动时无法看到的”模式。

专门负责金融服务风险、监管和合规事务的 Nadaraja 说，相反地，由个别机构开发的模型可能会存在“盲点”，因为每家银行只能看到生态系统中一部分较小的数据池。

同样，EY亚细安金融服务风险咨询主管 Radish Singh 称金管局的这项举措是“朝着正确方向迈出的一步”。

Singh 指出，虽然部署人工智能和机器学习能力来打击诈骗并非新想法——各银行早已采取了此类措施——但金管局的这项举措标志着整个行业为应对此问题做出的“一致努力”。

她表示，通过合作汇集多家银行的数据，能为人工智能和机器学习模型提供一个更大的数据集，以理解诈骗模式和关联。

金融软件公司 Fenergo 的市场开发总监 Bryan Keasberry 同意，与银行业、GovTech 和警方合作能够实现“在造成危害前，以一种更协调、更主动的方式来侦测可疑活动”。

“金融犯罪不再是任何一家银行或参与者可以独自解决的问题。诈骗者和洗钱者跨机构、账户、支付渠道和国界活动，其速度往往比传统监控系统的反应还要快，”他说。

EY亚细安的 Singh 表示，除了新加坡，其他司法管辖区也已建立公私部门之间的合伙业务来打击诈骗。

Fenergo 的 Keasberry 指出，一个类似举措的例子是由澳大利亚金融犯罪监管机构——澳大利亚交易报告与分析中心（Australian Transaction Reports and Analysis Centre）发起的 Fintel Alliance。

Fintel Alliance 汇集了主要银行、监管机构、执法部门和其他合作伙伴，他们共同合作，发展共享情报，并侦测和预防严重犯罪。

Keasberry 认为，Fintel Alliance 的例子表明，汇集数据和应用高级分析可以揭示“单个机构自己可能无法看到的”犯罪模式。

“这是一个新加坡可以借鉴的有力模式，它表明了打击金融犯罪越来越需要生态系统层面的响应，”他说。