白皮书 ： 假阳性和假阴性

假阳性和假阴性： 如何在打击金融犯罪的斗争中最好地利用不利的媒体搜 索 白皮书 Introduction 在过去的十年中，对金融服务公司金融犯罪合规性的监管审查水平显着提高，全球监管机构采取了数十项执法行动，并处以360亿美元的罚款。 许多金融机构争先恐后地开展有效的补救工作，因此，金融犯罪调查和分析领域的人员配备水平大大提高。打击金融犯罪的创新技术和流程也得到了发展；特别是，不良媒体搜索已成为一种更加关键的筛选做法。 然而，技术和熟练分析推出的早期阶段一直受到信息过多的问题的困扰。为了捕捉一切可能的不当行为，银行收集了太多的数据。因此，他们现在必须考虑管理“假阳性”和“假阴性”的问题，通常需要帮助，专注于与他们的搜索最相关和最有价值的东西。 在本白皮书中，我们将研究这个问题，为什么它变得如此重要，以及新技术和熟练的研究人员如何帮助解决这个问题。 不良媒体搜索的重要性与日俱增 不良媒体搜索和筛选技术，有时被称为“负面新闻搜索”，反映了金融机构希望采用系统和有效的方法来避免与犯罪组织和非法行为者，包括那些打算从事洗钱或其他金融犯罪的人的潜在联盟。不良媒体搜索是尽职调查的一部分，美国S.监管机构经常寻找，所以金融机构必须决定如何。 在考虑客户和他们自己的风险偏好并利用可以筛选大量可用数据的正确工具的同时，熟练地实施它。 银行现在必须考虑管理“假阳性”和“假阴性”的问题，通常需要帮助 ，专注于与他们的搜索最相关和最有价值的东西。 尽管随着数字搜索工具的日益普及，一些金融机构已经开始使用不利的媒体方法来提醒他们客户的潜在风险，但近年来这一活动的加速只有在对客户尽职调查的新合规要求于2018年生效后才会发生，由美国财政部金融犯罪执法网络（FiCEN）。虽然金融机构以前有义务知道与谁做生意，但新规则强调了它们认识客户并报告可能的金融犯罪企图的肯定义务。此类尽职调查中的具体义务包括有关了解您的客户（KYC），反洗钱（AML）和打击资助恐怖主义标准的规则。 此外，欧盟的第6项反洗钱指令（6AMLD）于2021年生效，要求高风险地区的客户在欧洲寻求银行服务时进行不利的媒体搜索。欧盟指令规定了22种上游犯罪，通常会尝试洗钱作为金融机构搜索的指南。 全球的金融机构现在正在寻求以有效和高效的方式遵守和评估风险的方法。政府间金融行动特别工作组（FATF）为金融机构在实施或改善不良媒体搜索时应优先考虑的犯罪种类制定了准则，包括人口贩运，有组织犯罪，恐怖主义，赃物贩运和毒品贩运。这些要求不太可能很快缓解。例如，FATF现在发布了有关如何监控加密货币和其他虚拟资产的新指南。 增加对不良媒体搜索的采用 金融机构并不是唯一可以从更简化的工具中受益的企业，以进行不利的媒体研究。供应商和供应商越来越多地寻求这种技术，以避免其供应链中的非法或不道德的行为者，包括那些滥用劳工，贩运毒品或从事恐怖主义融资的人。任何关注未来声誉风险的公司或组织都可能会看到使用这些工具来避免投资者、管理层和其他利益相关者的问题。事实上，通过使用更先进的搜索工具和分析方法来寻找所有犯罪活动，以前的冲突。 或者不当行为的指控，公司可以更快地找到更多他们需要的东西。不幸的是，这些更集中的搜索通常是在临时基础上完成的，并且可能是昂贵且耗时的。 然而，金融部门有一套特定的监管义务需要遵守。它还有一个更广泛的监测和保护领域——它的风险表面——因为几乎所有的公司和组织都寻求银行服务。毫不奇怪，一些现有和潜在的客户需要比其他客户更严格的筛选，在这些情况下，加强了尽职调查。 不良媒体搜索，无论是通过开源搜索引擎手动驱动还是在人工智能（AI）的帮助下，都存在引发假阳性和假阴性的固有问题，尤其是在实施较旧的基于AI的工具时。假阳性是搜索引擎 已交付的匹配项，但一旦被分析师仔细检查，就会发现与查询无关。就目前而言，大多数搜索都会返回大量误报 。另一方面，误报是机构当前搜索方法无法捕获的潜在相关信息。 误报是搜索引擎匹配交付，但一旦被分析师仔细检查，就被发现无关紧要 到查询。 在不利的媒体搜索中产生非常大百分比的假阳性的问题产生了广泛的连锁反应。例如，必须让越来越多的分析师梳理搜索结果和数据库，评估它们与查询的相关性。此外,查询可以涉及寻找关于个人、具有受益所有者的公司或具有大量涉及的委托人的组织的信息。这也可能增加传递更多误报的机会。再加上金融机构往往需要了解客户的供应商、供应商、捐赠者或客户的整体网络，你可能很快就会发现自己在数据的海洋中游泳，问题不是“数据太少”，而是“太多”。“最后，鉴于大量的假阳性，分析师将对它们产生影响，并将所有潜在的不良媒体命中视为假阳性。这意味着可能会错过真正的积极因素 ，并增加机构的风险。. 直到最近人工智能工具的出现，银行和投资公司都依赖于使用最流行的搜索引擎，以及各种公共数据库中的单独搜索 。为了避免由此产生的不可管理的潮汐信息，用户将手动准备复杂的布尔搜索。这个耗时的过程仍然会产生非常高水平的假阳性，或者最终不相关的结果。在某种程度上，这种手动改进的搜索仍然依赖于模糊匹配——这是我们从自己的搜索引擎经验中都熟悉的问题——信息过载将占主导地位。. 在处理太多的信息和太多的搜索结果时，熟练的分析师通常需要缩小搜索的参数，以便对结果进行仔细的检查，甚至是合理的。替代方法是干脆不在船上或为客户提供及时的服务。 技术可提高尽职调查的准确性 人工智能驱动的搜索工具可以减少搜索中不相关的点击量，因为它们可以比搜索引擎更容易地解释关键字或短语的上下文和使用。这些机器学习或大型语言模型工具可以区分，例如，关于客户活动的真正令人担忧的匹配和关于洗钱或其他渎职行为的文章，其中提到了类似的名称，或者只是出现在同一新闻摘要页面上的一个与客户无关的页面。注册反洗钱专家协会（ACAMS）是一个认证和培训专业人员以检测洗钱的组织，将银行业的假阳性问题视为当前进行客户质量筛查的关键障碍。. 目前，通过采取更精确 ，AI驱动的方法，可以获得显着的未实现效率和经济性。 对于大型客户公司，这些人工智能驱动的工具可以筛选出数百篇有关负面宣传的新闻文章，这些文章可能与金融犯罪风险无关。人工智能还可以帮助浏览和排除大量的新闻稿、营销材料和其他宣传项目，这些项目往往会拖累传统搜索。这些相同的工具也可能从非常规来源中挖掘材料，即使是最严格的搜索协议也会遗漏这些材料，从而有可能减少搜索中的误报；例如，使用本地习语或俗语的小型外语新闻来源。实际上，为了进一步提高工作流程的效率，ThomsoReters和WorFsio创建了一个联合解决方案，该解决方案集成了相关，高。 将优质的不良媒体和制裁数据转化为一流的技术，通过AI数字工作者自动进行筛查警报审查。 这意味着目前，通过采取更精确的、人工智能驱动的方法，可以获得显著的未实现的效率和经济效益。重要的是，金融机构通过剔除高风险或潜在损害客户，获得了不小的声誉胜利，尤其是在客户眼中。客户和公众通常会看到这些积极主动 积极的流程-一般来说，人们希望他们的银行和金融合作伙伴与好客户做生意。 随着人工智能驱动的工具继续使行业能够采用更积极主动的基于风险的方法，一些金融机构可以利用这些效率来超越简单的监管合规思维。相反，公司可以例行地筛选关注类别中的所有客户，而不仅仅是那些被确定为高风险的客户，从而更早地避免问题，而不必在以后做出回应。换句话说，允许筛选低风险和中风险客户，这些客户占客户的绝大多数，并且不利的媒体实际上可能会实质性地改变他们的风险状况，在监管机构或审计确定之前，最好是积极主动并适当地管理这种风险。ThomsoReters®CLEARAdverseMedia提供了与不良媒体来源的实时连接，并为制裁，政治暴露者（PEP）和国有企业（SOE）提供了广泛的国际报道。使用该平台，客户可以灵活地从“临时”开始。 汤森路透清除不良媒体，增强不良媒体和制裁数据： 或批量运营模式，适用于克服积压、同意令等。 20百万+ 120多个国家的不良媒体 数据来源 900+ 制裁名单 1百万+政治人物（PEP） 79K+ 国有 实体(国有企业) 但是，许多人认为，这些领域的任何创新和进步都受到过于狭窄的监管合规性关注而不是阻止金融犯罪的调查框架的阻碍。这意味着必须谨慎部署能够进行更广泛筛查的工具，否则它们只会增加成本高昂且效率低下的假阳性问题。 机构如何提高搜索能力？ 那么，金融机构的人工智能驱动的搜索系统应该包含哪些内容来改进当前的实践？首先，它应该能够根据许多参数为分析师组织信息，包括潜在相关性的评级、事件或项目类型的标签、时间顺序、区域、来源类型等。ThomsoRetersCLEARAdverseMedia将最佳数据与最佳自动化相结合，这意味着分析师只需在需要其专业知识时才参与其中，从而最大程度地减少了审查的误报。 在不利的媒体搜索的情况下，使用最新的技术来帮助分析师和合规官员是至关重要的。 带有这些添加指南的仪表板风格的结果集，例如注意项目被标记的原因，或者可编辑的过滤器标志着当前描述开源搜索引擎结果的交付类型的重大进步。再加上熟练的人工分析，这些更简化的结果集可以帮助机构解决假阳性和假阴性问题 。 然而，像ACAMS这样的专业组织对当前的规范和精良结构是否能很好地发挥作用持怀疑态度，以激励自己提高搜索和屏幕工作的质量。对当前不良媒体筛查系统假阳性的估计为90％及以上；虽然“安全性比遗憾更好”的内部指令可能会导致不良媒体命中的过度培养，但AML领域的专家将高假阳性视为弱点而不是力量的标志。事实上，这种过度培养的策略被视为可能失败的策略，通常是因为这些不精确的过程也错过了潜在的重要假阴性和真阳性。 即使是那些试图通过部署新的筛查技术来跟上的机构，也应定期审查其当前系统是否为他们工作。最好的测试之一是分析师和合规官员是否能够理解并向监管机构和第三方审稿人解释搜索和匹配算法是如何工作的。“监管机构必须不再以尊重的方式对待市场领先的工具，这些工具会造成危险的低效率，”ACAMS表示。“如果一家金融机构无法解释其工具的匹配算法是如何工作的，那么该工具并不比一种更具创新性的替代方法更安全，因为它已经被部署。." Conclusion 由于许多金融机构寻求实施质量筛选工具的努力，特别是在不良媒体搜索的情况下，使用最新技术来帮助分析师和合规官员至关重要。 通过改善侦查和减少金融犯罪，银行和其他金融服务公司将有助于减少洗钱，毒品走私，人口贩运，腐败和挪用公款的情况，并展示更有效的计划。此外，客户和社会将认为这些调查的结果非常值得-研究表明，公司治理状况得到改善的公司享有更高的股东价值，更高的股本回报，并降低了下行风险。ThomsoReters和WorFsio合作将优质的不良媒体和制裁数据与领先的AI和自动化技术结合在一起，简化了许多与筛查、审查和处理假阳性警报相关的耗时、易出错的任务。利用这一联合产品，您的分析师团队将能够自动进行审核，做出更有信心的决策，提高运营能力，并遵守联邦、州和地方法规。 汤森路透不是消费者报告机构，其服务或其中包含的数据均不构成“消费者报告”，因为该术语在《联邦公平信用报告法》（FCRA）中定义。S.C.秒。1681年等。提供给您的数据不得用作消费者追债决策的因素，以确定消费者是否有资格获得信贷，保险，就业，政府福利或住房，或用于FCRA授权的任何其他目的。通过访问我们的一项服务，您同意不将该服务或数据用于FCRA授权的任何目的，或与采取与消费者申请有关的不利行动有关。 今天联系我们 800-968-8900 https://legal.thomsonreuters.com/en/c/advanced-ai-technology ©2023汤森路透TR4050288/12-2023