Unternehmen Von Internetstars Sind in Geldwäsche Verwickelt. Wie Können Wir Das Problem Lösen, Dass Diese Schwarzarbeitsindustrie Trotz Wiederholter Verbote Weiterbesteht?

Das Bad Review Team hat kürzlich aufgedeckt, dass eine Online-Glücksspielbande Pinduoduo als Zahlungskanal zur Geldwäsche nutzte. Der Vorfall hat im Internet große Aufmerksamkeit erregt, ist jedoch noch nicht abgeschlossen.

Durch die Verbesserung der Zahlungsmethoden ist Geldwäsche keine Transaktion mehr, die wir in Gangsterfilmen sehen, sondern hat mit dem technologischen Fortschritt Schritt gehalten. Gleichzeitig ermöglicht das maschinelle Lernen jedoch eine bessere Erkennung und Bekämpfung der illegalen Online-Geldwäsche.

Vorgestern veröffentlichte die Public-Account-Plattform „Chaping“ einen Artikel, der für viel Aufsehen sorgte.

In diesem Artikel namensPinduoduo-Geschäfte sind zu Geldwäscheplattformen für Glücksspiel-Websites geworden. Ein einzelnes Geschäft wäscht täglich 500.000 Yuan.„In dem Artikel „Das Bad Review Team entdeckte zufällig, dass einige Geschäfte auf der Pinduoduo-Plattform tatsächlich Hundefleisch unter dem Deckmantel echter Waren verkauften.“ Sie gaben vor, virtuelle Währungen aufzuladen, waren in Wirklichkeit jedoch Zahlungskanäle für Glücksspiel-Websites, um Zahlungen abzuwickeln.

Es stellte sich heraus, dass das schlechte Bewertungsteam Nachforschungen über die Grauzone des Online-Glücksspiels anstellen wollte. Als sie jedoch einen Aufladetest auf der Glücksspiel-Website durchführten, stellten sie fest, dass die Zahlungsschnittstelle der Glücksspiel-Website tatsächlich von selbst auf die Zahlungsseite von Pinduoduo sprang und die Transaktion schließlich in Form einer Bestellung für ein virtuelles Produkt abgeschlossen wurde. Das Spielgeld wurde zum Transaktionsbetrag und die „Geldwäsche“ wurde offen durchgeführt.

Bei ihren Untersuchungen stellten sie fest, dass es aufgrund der niedrigen Bewertungsschwelle bei Pinduoduo viele Online-Shops gibt, die als Geldwäscher agieren. Auch der dahinterstehende Kapitalfluss ist erstaunlich groß und kann sogar ein tägliches Transaktionsvolumen von 500.000 Yuan erreichen.

Aus unbekannten Gründen führte die Pinduoduo-Plattform jedoch keine Überwachung durch.

Sobald diese Nachricht herauskam, konnte Pinduoduo nicht mehr still sitzen.

Bald darauf veröffentlichten sie eine Erklärung, in der sie erklärten, dass der Artikel falsche und unwahre Informationen enthalte und dass sie das negative Überprüfungsteam wegen Verleumdung und übler Nachrede verklagen würden, mit einer Entschädigungssumme von bis zu 10 Millionen RMB.

In den negativen Bewertungen wurde Pinduoduo sofort kritisiert. Es hieß, dass die Aufsichtsbehörde zwar offensichtlich nicht streng sei, die Medien, die über den Vorfall berichtet hatten, aber dennoch zur Verantwortung gezogen würden. Der Vorfall entwickelt sich noch ...

Das Katz-und-Maus-Spiel zwischen Geldwäsche und Geldwäschebekämpfung

Dass Glücksspiel schädlich ist, liegt auf der Hand.

Mit der Zeit hat sich auch das Online-Glücksspiel zu einem wichtigen Teil der Grauzone im Internet entwickelt. Die Popularität verschiedener Online-Zahlungsmethoden hat es dem Glücksspiel, das ursprünglich im Internet verborgen war, ermöglicht, alle möglichen Methoden zu nutzen, um das Produkterlebnis zu verbessern und mehr Benutzer anzuziehen.

Sollte sich der diesmal aufgedeckte Pinduoduo-Vorfall bestätigen, dürfte ihnen die Schuld für den durch die Lücke entstandenen Geldwäschekanal zuzuschreiben sein.

Mit der Verbesserung der Gesetze und Vorschriften wurden jedoch viele Kanäle reguliert oder sogar verboten. Aber es gibt immer Schlupflöcher, die man ausnutzen kann. Indem sie Casinos bei der Geldwäsche unterstützen und mehr Glücksspielgelder und Bankeinkünfte legalisieren, verdienen diese Online-Kriminellen Geld.

GeldwäscheDer Begriff entstand im frühen 20. Jahrhundert, als es in Chicago eine riesige kriminelle Gruppe gab. Der Anführer war ein Gangster namens Alphonse Gabriel Capone. Sie verfügten über eine große Menge Bargeld, das sie über verschiedene illegale Kanäle erlangt hatten, trauten sich jedoch nicht, es bei der Bank einzuzahlen.

Der Finanzdirektor der kriminellen Gruppe kaufte eine große Anzahl Münzwaschmaschinen und eröffnete ein Wäschereigeschäft. Rechnen Sie jeden Abend bei der Berechnung der Tageseinnahmen das gestohlene Geld hinzu und melden Sie die Steuer anschließend dem Finanzamt. Auf diese Weise wird das verbleibende illegale Geld nach Abzug der zu zahlenden Steuern zu legalem Einkommen.

Später wurde diese Methode der Legalisierung von Geld aus illegalen Quellen als „Geldwäsche“ bezeichnet.

Der Umfang illegaler Geldwäscheaktivitäten ist weltweit so groß, dass er sogar etwa 21 bis 51 TP3 Billionen des globalen BIP ausmacht, also etwa 800 Milliarden US-Dollar pro Jahr. Darüber hinaus werden mit der Entwicklung moderner Technologien die Kanäle für Geldwäsche immer zahlreicher und immer schwieriger zu erkennen.

Als Reaktion auf die immer ausgefeilteren Methoden der Geldwäsche hat die internationale Gemeinschaft risikobasierte gemeinsame Präventions- und Kontrollmaßnahmen zur Bekämpfung der Geldwäsche vorgeschlagen. Wie beim gängigen Regulierungsansatz ist der HauptIdentifizierung verdächtiger Transaktionen anhand von Regeln und Merkmalen. Dies erfordert einen hohen Personalaufwand und hat keine guten Auswirkungen.

Einem Europol-Bericht zufolge erfordern etwa 101 der von Finanzdienstleistungsinstituten eingereichten Verdachtsmeldungen weitere Ermittlungen durch die Behörden.

Welche Veränderungen wird künstliche Intelligenz angesichts des Dilemmas der Geldwäschebekämpfung mit sich bringen?

Wie maschinelles Lernen bei der Geldwäschebekämpfung helfen kann

Der Kern der Geldwäschebekämpfung besteht in einer guten Benutzeridentifizierung: erstens in der Identifizierung der Kundenidentität und zweitens in der Identifizierung der Quelle und des Ziels der Gelder, um festzustellen, ob die Geldtransaktion mit den Kundenattributen und anderen Merkmalen übereinstimmt.

Im Kampf gegen die GeldwäscheEs ist schwierig, große Datenmengen zu verarbeiten und verdächtige Transaktionen zu beurteilenDie Einführung von Technologien wie maschinellem Lernen wird neue Möglichkeiten zur Lösung dieser Probleme eröffnen.

In einigen Fällen werden Methoden des maschinellen Lernens eingesetzt, um die Beurteilungsmuster hochrangiger Experten für die Bekämpfung der Geldwäsche zu erlernen, verdächtige Fälle zu klassifizieren und zu sortieren, die Screening-Basis erheblich zu reduzieren und eine effiziente Mensch-Maschine-Zusammenarbeit zu erreichen.

ErsteMillionen von DatenBenehmenMehrere Merkmalsdimensionenund dann durchModelle des maschinellen Lernens,Identifizierung von Verdachtsfällen erreichtAutomatische KlassifizierungUndSortieren.

Die Einbeziehung der Erfahrungen von Experten im Bereich Geldwäschebekämpfung in das maschinelle Lernsystem kann dazu beitragen, dass das System automatisch optimiert und weiterentwickelt wird. Nach einer kurzen Trainings- und Feinabstimmungsphase kann das maschinelle Lernsystem das Niveau erfahrener Geldwäscheexperten erreichen, wodurch eine Menge Personalkosten gespart werden.

Darüber hinaus bergen auch Technologien wie das halbüberwachte maschinelle Lernen großes Potenzial.

Beispielsweise kann es verwendet werden, um komplexe Geldwäschetransaktionen und Untergrundbanken zu identifizieren, indem Verhaltensdaten und eine kleine Anzahl von Merkmalsbezeichnungen verwendet werden, und durch Graphenanalyse, Clustering, Assoziationsanalyse und andere technische Mittel abnormale Transaktionen und Beziehungskarten identifiziert werden. In Kombination mit der Erfahrung von Experten besteht die Hoffnung, dass die im Dunkeln verborgenen Geldwäscheorganisationen enttarnt werden können.

Und je länger das Algorithmusmodell läuft, je mehr Fälle eingegeben werden und je mehr menschliche Korrekturen vorgenommen werden, desto besser kann es verdächtige Transaktionen erkennen und desto geringer wird die Wahrscheinlichkeit von Fehleinschätzungen und Fehleinschätzungen.

China steht bei der Bekämpfung der Geldwäsche unter besonders großem Druck.

Die chinesische Gesellschaft wurde insbesondere durch die große Palette an Internetprodukten verändert, da China derzeit das Land mit den beliebtesten, bequemsten und ausgereiftesten mobilen Transaktionen der Welt ist. Da wir mit den Transaktionsströmen von mehr als einer Milliarde Menschen konfrontiert sind, ist auch der Druck, verdächtige Transaktionen zu identifizieren, am größten.

Berichten zufolge haben einige der führenden Finanztechnologieunternehmen des Landes,Durch Modellmethoden des maschinellen Lernens ist es möglich, das Niveau eines erfahrenen Geldwäschebekämpfungsexperten 95% zu erreichen und den Arbeitsaufwand für die manuelle Überprüfung 30% zu reduzieren.und trägt so dazu bei, Geldwäscheaktivitäten wirksam zu kontrollieren.

In einem Unternehmen, das Dienstleistungen zur Bekämpfung der Geldwäsche anbietet, sieht die angebotene Lösung wie folgt aus:

Verbesserte Betrugsbekämpfungsidentifizierung an der Quelle:Basierend auf Informationen wie Gerätemodell, Verhaltensmerkmalen, Zugriffshäufigkeit, geografischem Standort usw. wird eine Risikoidentifizierung durchgeführt, um betrügerische Aktivitäten wie Simulatoren, Flashen und Modifizieren von Geräten sowie Gruppenbetrug umgehend zu erkennen.

Erstellen Sie ein dreidimensionaleres Benutzerporträt:Anhand der Kontoinformationen sowie Daten wie Kreditanträgen, täglichen Einzahlungen und Krediten, Fondstransaktionen und Geräteanmeldungen erstellen wir mithilfe der zugehörigen Netzwerktechnologie eine Benutzerbeziehungskarte, skizzieren die individuellen Merkmale des Benutzers und erstellen ein dreidimensionales Porträt.

Überwachung ungewöhnlicher Fondstransaktionen:Durch Mining der im Beziehungsdiagramm enthaltenen Fondstransaktionsdaten auf der Grundlage von Geschäftsdaten können mithilfe von Regeln oder Modellen abnormale Fondstransaktionsverhalten und abnormale Transaktionsgruppen im Diagramm identifiziert werden.

Geldwäschekonten genau lokalisieren:Die auf Deep Learning basierende Beziehungsgraphentechnologie unterstützt Finanzinstitute beim Sortieren und Erstellen von Beziehungsgraphen für Privatkunden, erweitert die Perspektiven und Mittel zur Risikoprävention und -kontrolle und erstellt einen vollständigen Mechanismus zur Identifizierung von Geldwäschekonten auf der Grundlage von Beziehungsgraphen.

Dies ist fast schon ein Routinevorgang der Anti-Geldwäsche-Technologie mit Unterstützung der KI-Technologie.

Wer ist schuld an der mangelnden Aufsicht der Schattenwirtschaft?

Obwohl KI in vielen Unternehmensberichten zur Bekämpfung der Geldwäsche eingesetzt wird, muss anerkannt werden, dass KI derzeit zur Analyse von Problemen hauptsächlich Induktion und Synthese und nicht Deduktion verwendet.

Daher werden im aktuellen Sprachgebrauch vor allem Wörter wie Datenüberwachung, Personalreduzierung usw. betont.

Obwohl der Einsatz von KI im Kampf gegen die Geldwäsche ein unvermeidlicher Trend ist, steckt die Entwicklung und Einführung von Systemen zur Bekämpfung der Geldwäsche noch in den Kinderschuhen und die Einbindung von Branchenexperten ist noch immer ein sehr wichtiger Faktor.

Technologien wie maschinelles Lernen müssen auf große Datenmengen zurückgreifen, um bestimmte Muster der Geldwäschemethoden zu erkennen und so eine umfassendere und sicherere Überwachung und Entscheidungsfindung zu ermöglichen. Vielleicht wird diese Technologie schon in naher Zukunft ausgereift sein.

Zurück zum Pinduoduo-Vorfall: Abgesehen von den negativen Kritiken zu diesem Eigenmedium gibt es derzeit keinen offiziellen Untersuchungsbericht. Ob es sich also um Geldwäsche handelt, muss noch geklärt werden.

AlsSchlechtes Review-TeamWie gesagt,

「Ziel dieses Berichts ist nicht, eine bestimmte Plattform zu vernichten, sondern die gesamte illegale Glücksspielindustrie gemeinsam zu vernichten."

Wir sind gleich. Wir hoffen, dass mehr Technologien der künstlichen Intelligenz nicht nur dazu beitragen können, unser Leben angenehmer, sondern auch sauberer zu gestalten.