11月1日，在汤森路透首届国家金融风险、监管科技与合规高峰论坛上，京东金融集团风险管理部总经理沈晓春表示，反洗钱的基础，首先是数据基础。把数据的方式、技术的方法应用到反洗钱领域中，把控金融风险，使金融合规。

　　沈晓春认为，反洗钱领域应用是基于长期积累的数据。基于计算和存储能力，从合规角度、风控应用角度上对数据进行全量长时间的保存，其次进行碎片化的处理、进行不断的匹配分析运行，从而在这个层面上保证所有用户信息可用的完整性、有效性。

　　她表示，京东金融反洗钱是嵌入在风控大数据平台中重要的板块。从安全层面、决策系统、监测和洞察、客户的运营管理几方面来切入整体的数据体系，并且把技术模块嵌入当中，实际上处理的数据能力可以每分钟处理数千万次的数据指标的计算以及达到毫秒级的相应，对交易、反欺诈和反洗钱监测起到了非常重要的作用。她称，从反洗钱角度上，应进行事前、事中、事后三个维度的分割。事前，强调如何识别判定客户;事中为监控环节;事后应用大数据技术和应用算法进行剖析。

　　如何来识别判定客户?除了传统的方式以外，运用人机设备、设备识别、OCR其他转化技术手段把前沿数据灌输到模型体系中，对客户身份真实性和可疑程度进行初级开始的判断，保证防范在先，沈晓春认为。

　　在事中监控环节，更多是包括黑名单的扫描，会把信息通过实际的规则和模型引擎，配合到人工分析，从而在第一时间来判定评估是否有疑似洗钱上游的行为和洗钱相关行为在发生。

　　更多的数据和技术应用体现在事后的深度分析环节，这个环节包括整体模型优化部署，所有的底层关系的分析，延展性的调查、反查都会在事后分析决策模块中进行。

　　而事后应用大数据技术和应用算法，这是在模型体系中相对比较细的剖析。疑似反洗钱的行为有很多场景特征，例如疑似是地下钱庄可能体现情况不一样、疑似赌博上游资金流转也不一样，整体数据模型体系中根据不同可能性的场景，通过对交易发起人的异常、对手的异常、商户的情况，从用户、商户、交易和通用场景不同的维度进行更加细分的模型设立，从而能够帮助企业精准和有效抓取疑似洗钱的行为。通过整体算法的注入、模型的优化迭代，整个数据闭环中不断的优化和迭代模型。

　　沈晓春表示，应用传统以外的技术手段在互联网上进行身份识别，常用三个技术：整体设备识别、人机识别、生物识别。

　　整体设备识别技术上，不管是在PC端还是移动端角度，通过一些新型的手段来判定是否是一个真实的人在做这件事，是否是本人在做相应的事情，通过前端数据采集相应的信息，注册的过程中采集键盘信息，帮助企业做相应的判定，并且把相应前端的信息返回到后端模型体系中，计算出多大概率这是一个人进行相应的登录和帐户开通环节。

　　人机识别技术，手机跟人的身份某种意义上有非常强的关联，但身份也有可能被人截取、盗用、修改，包括交易过程中。通过前端的一些特征，比如实际每个人在按一个屏幕的力度、走路过程中按和坐下来按和点击的速度都会帮助企业识别是否是客户本人在进行相应的操作，还是他的身份实际被黑色产业分子截取并且进行了修改，用于做非法的活动。

　　生物识别技术包括指纹识别、人脸识别等技术通常作为互联网公司常用的传统模式以外会应用的辅助技术手段进行筛选和把控。

　　此内容为第一财经原创。未经第一财经授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。第一财经将追究侵权者的法律责任。