當前，人工智慧在提升效率和降低成本方面展現出了巨大潛力，成為各界廣泛討論的焦點。其在防範金融犯罪流程中的應用同樣備受關注。 「了解您的客戶」(KYC) 和交易監控流程涉及大量資料，因此，將這些流程與人工智慧的強大能力相結合有望帶來顯著的優勢。人工智慧能夠即時回答問題並分析大量文字和數字資料。 然而，人工智慧大規模應用的挑戰同樣引發熱議。利益相關方認為人工智慧模型缺乏透明度，並表達了對資料保護和隱私的擔憂。 早在 2017 年，麥肯錫公司就發布了一項研究1 ，指出法規遵循團隊中存在的各種效率不彰問題，包括工作碎片化、人工流程和巨量資料。2 然而，採用人工智慧技術的進展緩慢，直到最近，大型銀行才開始探索和測試在其防範金融犯罪制度中整合人工智慧的方法。相比之下，金融科技公司的舉措更為大膽。3 隨著歐盟在 2018 年和 2024 年分別頒布資料保護和人工智慧法規，這些強有力的監管框架提供了必要的保障，預計未來幾年金融行業將加快應用人工智慧的步伐，實現快速且客製化的應用。 本文將探討人工智慧和資料隱私法規如何應對人工智慧應用帶來的問題，並分析義務主體如何針對人工智慧模型和監管科技工具建立適當的治理機制，最佳化防範金融犯罪制度，同時保護隱私權並降低與人工智慧相關的其他風險。 歐盟《人工智慧法案》及其在防範金融犯罪制度中的適用性 歐盟《人工智慧法案》於 2024 年 8 月 1 日正式生效，該法案將人工智慧系統的一個關鍵特徵定義為：系統透過機器學習具備學習、推理和建立模型的能力。它能夠從輸入的資料中推導出模型和演算法，並產生能夠影響物理和虛擬環境的預測、內容、建議或決策等輸出。根據《人工智慧法案》第 12 條，人工智慧系統能根據其自我學習能力以不同程度自主運行，在運行過程中不斷調整和優化自身。4 與防制洗錢 / 打擊資助恐怖活動制度一樣，歐盟《人工智慧法案》的核心原則同樣是風險為本的方法。 歐盟《人工智慧法案》的附件三規定了人工智慧系統的不同風險類別（見下圖 1）。高風險人工智慧系統包括「供執法機關或代表執法機關使用的人工智慧系統，或供支持執法機關或代表執法機關的歐盟機構、機關、辦公室或專業機構使用的人工智慧系統，用於評估自然人成為刑事犯罪受害者的風險」，如納入防制洗錢 / 打擊資助恐怖活動法規遵循制度的系統。5 用於防制洗錢 / 打擊資助恐怖活動的人工智慧系統屬高風險系統，因此在獲准上市之前需符合相關要求。6 高風險人工智慧系統的監管規定將於 2026 年至 2027 年間生效。7 風險類別詳見下圖 1。8 圖 1：歐盟《人工智慧法案》規定的人工智慧系統風險類別  資料來源：《人工智慧法案》9...

本系列的前兩篇文章分別發表在《今日 ACAMS》1 2024 年 12 月至 2025 年 2 月刊以及 ACAMSToday.org2 上，主要探討了如何最佳化提交給執法機關的可疑活動報告，即從執法機關的角度說明如何從銀行業提交的大量報告中確定最有價值的可疑活動報告。現在，我們將重點轉向可疑活動報告的主要來源——金融機構，探討其如何將報告資訊最佳化，儘量提高報告對執法機關的用處。 背景 從早期的「犯罪舉報表」到如今電子提交的可疑活動報告，金融機構一直是美國打擊洗錢和資助恐怖活動的中堅力量。儘管多年來金融機構及其產品和服務的規模和複雜性不斷變化，但可疑活動報告提交要求和相關指導原則卻停滯不前。金融犯罪稽查局 (FinCEN) 的統計資料3 顯示，可疑活動報告提交數量近年來呈指數增長，銀行法規遵循團隊早已疲於應付防制洗錢 / 銀行保密法的監管和稽核要求，引發了外界對報告實際價值的疑問。 金融犯罪稽查局《法規制定提案通告》——「非常有用」 截至本文撰寫時，一個尚未最終確定的希望來源是金融犯罪稽查局於 2024 年 7 月發布的《法規制定提案通告》，題為《強化和現代化金融機構防制洗錢 / 打擊資助恐怖活動法規遵循制度體系的擬定規則》4 。該文件提出建立檢查員培訓機制，「關注防制洗錢 / 打擊資助恐怖活動法規遵循制度體系的整體有效性，並考慮其輸出品質是否非常有用」。該規則的一項關鍵條款是，金融機構需要根據已知或偵測到的威脅模式或趨勢，審查和評估其向金融犯罪稽查局提交的報告，這一要求「有助於金融機構減少所謂的『防禦性』可疑活動報告，並專注於製作對相關政府機構非常有用的報告」。 如果發布最終規則並確立檢查員培訓機制，金融犯罪稽查局可以根據新規則制定並發布更新的可疑活動報告提交指南，供金融機構參考。該指南還應納入美國聯邦金融機構檢查委員會 (FFIEC) 的《防制洗錢 / 銀行保密法檢查手冊》5，以便金融機構按照最新標準和最佳實踐進行檢查。 在審查可疑活動報告以識別威脅模式和趨勢時，聯邦監管機構應鼓勵金融機構重新評估當前的交易監控規則和模型，確保報告符合金融犯罪稽查局的國家優先事項6 和近期發布的其他公告態樣7 （如支票詐欺、老年人錢財詐騙和芬太尼販運），以利「識別可疑金融活動，將更多銀行資源集中於防制洗錢任務，提高執法機關調查的成功率。」這將減少所謂的「防禦性可疑活動報告」——此類報告僅是「照章辦事」滿足了監管或稽核要求，但對執法機關而言沒有實際價值，且相關活動對金融機構本身也不構成風險。最終目標是提交數量少但品質高的可疑活動報告，以避免資訊氾濫對執法機關調查效率造成負面影響。 可疑活動報告敘述內容 確定了需要提交的可疑活動報告後，金融機構下一步應將報告內容最佳化（同時摒棄過時的做法）。根據與執法機關多次交流所收集的資訊，執法人員認為敘述部分最有用的可疑活動報告內容包括： 先前提交可疑活動報告的文件控制編號、逮捕或定罪記錄以及負面新聞搜尋結果； 交易對手資訊及其相關負面新聞搜尋結果； 受益所有權資訊； 實體的所有權結構和註冊詳情； 空殼公司資訊；...

誤報警示——即系統將正常行為標記為可疑的事件——是多數防範金融犯罪專業人士面臨的重大難題。即便活動本身正常，防範金融犯罪工作人員仍需逐一審查並記錄其正常狀態。這項工作不僅會增加預算，而且枯燥乏味。審查成千上萬筆常規交易容易導致職業倦怠，進而引發人員流失，而這又需要重新培訓新員工，如此循環往復。因此，減少誤報成為首要任務，誤報越少，便能騰出越多資源用於具成效的調查。 儘管誤報存在諸多弊端，卻也有正面影響。例如，誤報是自動化交易監控系統的必然副產品。若無電腦化系統，銀行只能人工審查交易以排查可疑活動，這將是一項極其繁瑣的工作。此外，誤報還是絕佳的培訓工具。資深調查員的能力並非與生俱來，正是透過分析真正的與錯誤的誤報情況，學會區分正常交易和犯罪行為的。 當然，銀行也不希望防範金融犯罪專業人員深陷繁雜事務，但完全消除誤報絕非正確的目標。相反，銀行應集中精力採取管理策略。 Popper 的天鵝 要討論誤報，我們先從它們的起源說起。自動化交易監控工具旨在識別可疑活動，但不可避免地會產生兩類錯誤。第一種被稱為「第一型錯誤」，即我們所熟悉的誤報。這一術語源於統計學中的假設檢定。假設檢定的基本前提是觀察並非證明。要僅憑觀察來證實某事，就需要在所有情況下、所有場景中都觀察到該現象，這對人類或電腦來說都是不可能的。然而，人類可以透過單一觀察來駁斥一件事。正如哲學家 Karl Popper 所解釋的，觀察到白天鵝並不能證明「所有天鵝都是白色的」，但只需發現一隻黑天鵝就可以推翻這個說法。1 假設檢驗始於一個關於總體特徵的假設或理論。就像 Popper 的白天鵝一樣，我們試圖推翻這個理論。這個可駁斥的假設被稱為「虛無假設」。當我們在假設檢驗中成功地推翻了虛無假設，檢驗便是成功的，就像 Popper 的黑天鵝一樣。 我們可以把交易監控規則視為一種假設檢驗。如果我想識別分散現金存款以逃避現金交易報告的犯罪行為，我的虛無假設便是這些分散交易並不可疑。我的樣本是以試圖進行分散交易的客戶典型行為作為基礎。這種行為可能包括客戶在一天內進行了多次現金交易，每筆金額都低於 10,000 美元，但一天總額超過 10,000 美元。當我的交易監控系統產生警報時，就是透過警報告知「這筆交易可疑」來拒絕虛無假設。當調查員處理警報並認定交易「不可疑」時，我們得出的結論是：系統產生了第一型錯誤，即誤報，因為它錯誤地拒絕虛無假設。 逆向錯誤 假設檢驗的一大優勢在於，它能夠在不觀察總體的情況下得出關於總體特徵的結論。這一過程被稱為「抽樣」，儘管有用，卻也伴隨著風險。我們如何確保樣本能夠充分代表總體？假設檢驗透過評估樣本出錯的可能性來應對這一風險。檢驗的設計部分包括確定檢驗錯誤拒絕虛無假設（即產生第一型錯誤）的頻率。第一型錯誤的發生率被稱為檢驗的阿爾法值 (ɑ)。預期阿爾法值與實際阿爾法值之間的關係能夠告知研究者樣本是否可靠。如果誤報的數量低於檢驗預期阿爾法值，研究者便可以認為檢驗所用的樣本是可靠的，其結論可以合理地適用於整體。一般假設檢驗的預設阿爾法值為 5%。 大多數防範金融犯罪專業人士都希望交易監控檢驗能達到這一水準，因為多數防制洗錢模型的誤報率通常高達 95%。 2 為何如此？金融行業對誤報的高容忍度，源於這些檢驗還存在另一種錯誤：第二型錯誤，即「漏報」。漏報是指系統本應發出警報的交易卻未觸發警報，也就是說，檢驗在本應拒絕虛無假設時未能拒絕。 第二型錯誤的發生率被稱為檢驗的貝塔值 (β)。檢驗的阿爾法值與貝塔值之間呈反比關係。檢驗產生的誤報越多，出現漏報的可能性就越低。因此，金融機構在實踐中容忍較高的阿爾法值，因為我們無法接受較高的貝塔值——我們不願遺漏任何可疑活動。 遺憾的是，遺漏可疑活動的情況很容易發生。事實是，大多數銀行交易都是正常的——虛無假設是正確的。當某一事件的發生機率很低時，例如數十萬客戶中僅有一名是犯罪分子，要發現這種低機率事件就需要足夠大的樣本量，而這必然包含大量誤報。 不過，銀行既無義務也不被期望捕獲所有的可疑活動。這是好事，因為自動化交易監控系統永遠不會完美無缺。事實上，監管機構關於模型風險管理的指引明確指出，每個模型都存在缺陷。3 美聯準會在其模型風險管理指引中表示：「所有模型都存在一定程度的不確定性和不準確性，因為它們本質上是對現實的簡化和模擬。」4 監管機構並不要求完美，而是希望銀行清楚交易監控系統生成誤報和漏報的方式。因此，作為終端用戶，您的目標不應是完全消除誤報或漏報，因為這不可能實現。相反，您應該了解工具產生的誤報和漏報數量，並確保監控系統的誤報率和漏報率保持在可控程度。 金融犯罪中運用人工智慧能的現實情況——人工判斷仍然重要 您是否熟悉人工智慧的炒作週期？Gartner 將其描述為圍繞使用人工智慧工具所產生的進展與興奮情緒。5 其特點是先經歷一段樂觀期，隨後出現不切實際的期望，最終達到符合現實情況的平衡階段。6 隨著人工智慧繼續佔據新聞頭條並融入我們的日常生活，我們可能正接近「期望膨脹的頂峰」，即期望超出現實。 金融機構也不例外。銀行正在廣泛採用人工智慧工具以輔助交易監控、詐欺偵測和警報分類，期望能去除人工監控並大幅減少誤報。然而，現實是，人工智慧並非萬能，它也帶來了一些關鍵問題。人工智慧工具和傳統的基於規則和人工的方法一樣，容易產生誤報和漏報。當人工智慧進入理想化階段時，金融機構必須謹慎行事，並評估用人工智慧替代人類監控的趨勢。 人工智慧在打擊金融犯罪的持續戰鬥中確實能發揮重要作用，特別是在模式識別方面。然而，一個主要問題是，資深防範金融犯罪調查人員有能力理解複雜背景和作出細緻判斷，但人工智慧缺乏此種能力。人工智慧工具根本無法匹敵人類分析全局的能力。 例如，假設一位客戶 John Doe 正在分散交易一系列低額現金存款，每筆都略低於 10,000...

When the Financial Crimes Enforcement Network issued its Advance Notice of Proposed Rulemaking in September 2020, titled “Anti-Money Laundering Program Effectiveness,” it marked a significant shift in how anti-money 金融犯罪稽查局 (FinCEN) 於 2020 年 9 月發布名為《防制洗錢制度體系有效性》的法規制定提案預告 (ANPRM)，這顯示防制洗錢 (AML) 制度的評估方式將發生重大轉變，將更強調實施「有效且設計合理」1 的防制洗錢制度體系。根據該預告的具體內容，防制洗錢制度體系需要能夠向政府當局提供有用資訊是關注重點。防制洗錢 / 打擊資助恐怖活動 (CTF) 行業的專業人士熱切等待法規制定提案通告 (NPRM)...

首先讓我們回顧一下 2023 年 3 月的一個古怪新聞標題： 「一名無家可歸者使用 ChatGPT 準備履歷和面試，輕鬆找到工作——芝加哥一名 45 歲的無家可歸者利用公共圖書館的電腦使用 ChatGPT，在它的幫助下製作了一份吸引人的履歷，以用於求職面試。最終，他成功獲聘為客戶服務代表，人生迎來轉折點。」 如果您對此感到迷惑不解，這就對了。原因如下： 我讓使用 Claude 3.5 Sonnet LLM1的聊天機器人充當一名經驗豐富的記者，搜尋最近的新聞報導，以找出在現實生活中將 ChatGPT 用於職業相關活動的人士。我在提示詞中指定以下要求： 只使用信譽良好、可信且權威的新聞來源 搜尋結果僅限過去 12 個月內發生的事件 確保新聞報導經過多個可靠來源的證實 提供文章的頁面連結，以便我查看內容 圖 1：聊天機器人的回答 資料來源：該實例由公認反洗錢稽核師兼註冊舞弊查核師 Jon Estreich 創作 這個回答令人印象深刻。甚至來源網址也令人信服——儘管該連結顯示為 404 錯誤。在搜尋標題和摘錄詳情後，我找到相關新聞，例如，一名加州網路開發人員製作了一個紙板寫著「渴望成功的無家可歸者」2，並發送履歷，該消息於 2018 年在 Twitter（現稱為「X」）上瘋傳後，他獲得了工作機會。 但是，我並未找到有關芝加哥無家可歸者使用 ChatGPT 製作履歷的資訊。 在後續提示詞中，我要求聊天機器人進行事實核查，以證實所提供資訊的準確性。然後，機器人真誠道歉，承認其捏造了該事件。 我接受了道歉，隨即注意到了一個更重大的問題。 不可否認，大型語言模型 (LLM) 是未來的發展方向。它們廣泛應用於各行各業，並透過手機、瀏覽器，很快會透過汽車融入我們生活的各方面。3...

The ongoing convergence of the world’s financial and physical supply chains has created new regulatory realities. For financial institutions and the supply chains they finance operationalizing while optimizing sanctions and trade control compliance processes and procedures can be challenging. This can be especially true when...

濫 用商業實體掩蓋非法活動和清洗非法所得，是金融體系的一個主要風險。隱藏資金的最終來源和用途，以及隱瞞受益所有人的真實身分是實體濫用的形式之一。雖然近期審查主要集中於空殼公司，但實際上，任何商業實體成立於不需要登記受益所有權的司法管轄區，均可能存在此類風險，因為這些實體可以合法進行任何形式的所有權益發行或轉讓。美國就是此類司法管轄區。 一直以來，美國在受益所有權透明度方面長期面臨挑戰，導致其在 2016 年相互評鑑中在防制洗錢金融行動工作組織 (FATF) 第 24 項建議取得「缺失」評等。1 2018 年，美國實施客戶盡職調查規則（CDD 規則），相關工作略有進展。2020 年，《公司透明法案》(CTA) 進一步增強了政府識別特定實體受益所有人的能力。2024 年，儘管仍有漏洞存在，但這兩項努力使防制洗錢金融行動工作組織將美國的第 24 項建議重新評為「大致遵循」。2 儘管各類商業實體都可能被用於不法目的，但考慮到空殼公司目前受到高度關注，且為金融犯罪四大成因之一，本文將重點探討空殼公司。3 此外，本文還將分析在打擊利用空殼公司從事非法活動中，脈絡與資料導向方法所代表的重要意義。 空殼公司是什麼？ 空殼公司通常是指特定的非上市公司、有限責任公司、有限合夥企業或信託公司，其主要以書面形式存在，作為金融交易管道，但不履行實際商業職能。儘管空殼公司的存在有充分正當理由，但由於缺乏實質的商業活動和透明度，容易遭到不法分子濫用——透過非法途徑隱瞞金融交易（見表 1）。 表 1：成立空殼公司的原因 資料來源和插圖作者：Kim Lacey、Priyank Patel、Chris Bagnall 和 KeyBank 合法企業實體（例如子公司或關係企業）之間的聯繫通常公開透明、出於正當業務需求，並且呈現清晰的所有權結構。這些企業往往擁有實體辦事處、生產設施和員工，並在業務活動相關地區營運。 相較之下，空殼公司往往採用軸輻結構，以中心實體或個人為樞紐，協調並控制多個空殼公司的活動。分支機構通常從中央組織向外輻射，且分支機構主要與中央組織互動而非彼此互動。在這種結構中，特定地址（實體或虛擬）和所有權結構常由多個空殼公司共用，顯現出高度關聯公司的網狀多層網絡（見表 2）。 表 2：合法企業與空殼公司的區別 資料來源和插圖作者：Kim Lacey、Priyank Patel、Chris Bagnall 和 KeyBank 成立空殼公司 成立空殼公司的流程非常簡單。一般而言，資訊揭露要求極低，且可透過當地的註冊代理人或專業的企業服務律師事務所完成註冊。值得注意的是，並非所有註冊代理人都會提供名義董事和股東的任命服務。 空殼公司可在不同國家、地區和州註冊，但某些司法管轄區監管框架寬鬆且資訊揭露義務極低，特別受到青睞。多處離岸避稅天堂因稅收優惠和保密保護而備受歡迎，包括英屬維京群島、巴拿馬以及某些加勒比島嶼（例如開曼群島）。其中也包括美國——美國的聯邦和州法律都不要求列出所有實體各層的受益所有人。因此，美國同樣充滿風險，儘管其設有客戶盡職調查規則和《公司透明法案》要求。 監管工作與全球影響...

犯罪分子向來善於利用新技術的「尖端領域」。19 世紀中葉，有組織犯罪集團利用剛剛誕生的電報，聯繫不在當地司法管轄範圍內的犯罪活動。20 世紀初，有組織犯罪分子借助汽車快速逃離現場，還將其用作運輸盜竊物品的「工具」。1 1990 年代，兒童剝削及販毒犯罪分子利用網際網路傳播兒童性虐待內容、銷售非法毒品。2 在這三個案例中，犯罪網絡先於「主流」社會運用相關技術，就是為了領先執法機關一步。 快速回應碼與詐欺 我們購買的產品會標示通用產品條碼，而快速回應碼（行動條碼）是其變異版。1990 年代初期，日本工程師原昌宏發明行動條碼，並將這種代碼格式用於追蹤日本汽車製造供應鏈中的零組件。行動條碼主要分為兩類：靜態（儲存固定資訊）和動態（可變更資訊）。在行動條碼中，資料被排列成黑白像素，只要經過智慧手機攝影鏡頭或其他掃描設備掃描，就能完成解讀。行動條碼為二進制形式，黑色部分表示 1，白色部分表示 0。靜態行動條碼就像個人名片，而動態行動條碼則像個人網站（易於更新）。非接觸式和簡單便捷，通常表示沒有實體界限、中介機構等「阻礙」。實體界限和中介機構能在一定程度上保障安全，凍結或撤銷安全存疑的交易。 以自動櫃員機 (ATM) 為例。銀行客戶可以利用自動櫃員機提取現金，無須在「銀行營業時間」親自趕往銀行辦理。這為客戶帶來了便利，也為銀行降低人力成本。然而，這種操作流程簡化也有其劣勢。不法分子可能「踩點」自動櫃員機的位置，然後瞄準銀行客戶實施搶劫，因此，客戶的人身安全風險也隨之升高。由於缺少銀行櫃員的實地監看，犯罪分子得以避開相關人員（好人）視線並利用該系統。行動條碼也難逃這種趨勢。需要說明的是，行動條碼不會遭到駭客攻擊。駭客若要篡改，必須修改黑白二進制模式，而如果不瞭解實際行動條碼背後的明文，僅憑肉眼根本無法讀取。3 即便如此，犯罪分子仍有其他手段破壞行動條碼以達成其非法目的。 行動條碼釣魚 (quishing) 攻擊產生了大量行動條碼相關詐欺。Security 報告稱，相比 2023 年 1 月至 8 月的累計數量，2023 年 9 月的行動條碼網路釣魚事件增長了 51%。4 與其他金融相關詐欺類似，行動條碼網路釣魚極易導致帳戶盜用和數位支付詐欺。 行動條碼詐欺的實際操作 肉眼無法直接辨別惡意行動條碼，這為不法分子提供了顯著便利。 由於公眾逐漸習慣忽略和（可能）刪除電子郵件中引導受害者跳轉至詐欺網站的惡意網址 (URL) 連結，犯罪分子開始利用條碼的「下一代」版本——行動條碼。當配備相機的智慧手機廣泛使用，以及行動條碼的實用功能性，無論是活動門票、廣告和餐廳菜單中隨處可見行動條碼。犯罪分子可將惡意行動條碼覆蓋在合法行動條碼上，將掃描者引導至要求提供個人資訊的網站，進而實施身分盜用。 2023 年 11 月，金融犯罪稽查局 (FinCEN) 發布警告，提醒人們注意不法分子發出主旨為「重要法規遵循通知」並附帶行動條碼的電子郵件或實體通訊。這起詐欺事件發生的背景是，金融犯罪稽查局根據 2024 年 1 月《公司透明法案》(CTA)...

在一次執法機關簡報會後的隨意交談中，某地方警察局緝毒部門的一名主管抱怨稱，他在嘗試使用一款熱門點對點資金轉帳應用程式建立臥底帳戶時遇到了很多難題。可惜的是，他和其他許多同僚一樣，對防制洗錢 / 銀行保密法的法規遵循工作的現狀及其可能提供的幫助瞭解甚少，但這恰好說明法規遵循工作已經取得顯著成效。如果我們靜下心來思考，就會發現臥底行動本質上是一種詐欺行為，洗錢亦是如此。在臥底行動中，執法機關盡可能將虛假或欺騙的人物或實體塑造成看似真實存在的人物或實體；而洗錢的核心要點和目標則是將非法所得偽裝成合法收入。這兩種情況都非常接近或等同於詐欺的定義。 如果詢問全國各地甚或多家海外同行的任何可疑活動報告審核團隊成員，就會發現，詐欺嫌疑已成為許多報告的核心內容。對此，大多數人都歸咎於新冠疫情應對措施，並不關注其為觸發因素還是純粹巧合。不可否認，疫情期間金融交易技術發展迅猛。似乎一夜之間，技術進步就將遠端銀行業務變為了新常態。這些技術進步還讓防制洗錢 / 銀行保密法的法規遵循領域與時俱進。該緝毒部門主管發現，受惠於金融科技、人工智慧和開源情報等技術的進步，了解您的客戶盡職調查已經實現大幅改進。網路時代，任何試圖插入難以輕鬆驗證或其他協作驗證的身分識別資訊，都會立即觸發警報、生成紅旗警訊並對申請予以拒絕。 區分洗錢與詐欺 長期以來，大量防制洗錢 / 銀行保密法法規遵循專業人士默默地——有時甚至公開地——嘗試區分洗錢與詐欺。金融機構有責任儘量避免與洗錢犯罪分子交易，而且他們也不希望與詐騙分子有業務往來，或令自身合法客戶遭受詐欺。隨著防制洗錢 / 銀行保密法的偵測和法規遵循工作不斷進步，多次反覆證明活動存在洗錢或詐欺情況的指標非常相似。 我們可以預見，新冠疫情期間，加快提供金融援助可能引發詐欺風險，而隨著監控和報告技術的進步，偵測和消除這些詐欺行為的能力也將有所提升。如果上網查閱任何可疑活動報告審核團隊所在區域的新聞稿，就會發現，涉及新冠疫情援助的詐欺案件中有許多成功的起訴案例。儘管資金可能已經流出，但仍有途徑將其追回。 在洗錢被列入金融犯罪前，詐欺早已成為一種公認的金融犯罪。偽造支票、故意透支帳戶、挪用公款、詐騙錢財以及其他狡猾騙局都視為白領犯罪。對此，執法機關設有完善的常規調查方法。這些詐欺行為本身具有明確的受害者 / 嫌疑人要素或關係，而許多洗錢機制往往缺失這種明確的受害者 / 嫌疑人要素。在常見的詐欺計劃中，受害者的錢財或其他貴重物品會被竊取。這些「白領」受害者往往包括金融機構本身或其重要客戶，他們有著強烈的動機和意願，希望盡力找到犯罪分子並追回損失。在這些案件中，執法機關與私營金融機構之間存在展開合作的要素。雙方都會努力逮捕或阻止犯罪分子，並有可能追回被詐欺盜取的資產。如果任何一方拒絕配合調查，案件就有可能受阻、暫停或結束。 防制洗錢監控工作 過去，洗錢活動受害者 / 嫌疑人關係要模糊得多。表面上看，洗錢犯罪分子並未造成任何損失，甚至可能視為帶來盈利的客戶。隨著防制洗錢監控工作的不斷進步，我們發現，我們不能且不應該將洗錢犯罪分子與詐騙分子或其他金融犯罪分子區分開來。導致提交可疑活動報告的初始「可疑活動」原以現金為中心。無法解釋的高額現金仍然且應當是防制洗錢工作中的可疑活動報告重點之一。幸而，隨著遠端交易系統和應用程式日益成為主流，防制洗錢 / 銀行保密法的法規遵循工作得以不斷進步。防制洗錢 / 銀行保密法的監控和偵測工作不斷改進，緊跟技術進步節奏，往往能反映出區分洗錢犯罪分子和詐騙分子的嘗試並無多大意義。洗錢犯罪分子常會從事詐欺活動，而詐騙分子也常從事洗錢活動，這類現象不足為奇。有意從事犯罪活動的人很少會專注於單一犯罪手段。如果深入分析交易資料，就會發現，依賴非法所得的任何生活方式在所有層面上都會顯露可識別的異常現象。大多數情況下，只要任何層面存在欺騙系統的意願，就表示所有層面都存在此類欺騙行為。 毒販經常參與以物易物和交易抵換。也常接受以贓物（可能包括槍枝）作為違禁品付款。在詐欺領域，偽造或篡改支票的流通常是地方警察的關注要點，直到人們發現涉案者屬於大型有組織團體。商店行竊也是地方警察常關注的要點，直到近期人們發現其屬於複雜的有組織零售竊盜集團。試圖銷售毒品、竊盜贓物或使用詐欺得來的資金，都會留下一系列相似的線索。提醒執法機關注意這些線索，一直是《銀行保密法》的宗旨。在防制洗錢 / 銀行保密法工作中，有個問題日益突出——執法機關的培訓和經驗是否同樣與時俱進。 在「街頭」層面，毒販也曾視為地方緝毒警察的關注對象。防制洗錢 / 銀行保密法法規遵循工作旨在應對吩坦尼過量使用危機，許多點對點支付應用程式現在能夠識別銷售致命劑量毒品的人，這一過程可能挽救無數生命。支付方式常附加的簡訊和表情符號甚至可以明確揭示活動實質。如果緝毒主管不太瞭解防制洗錢 / 銀行保密法法規遵循進展對臥底行動的影響，人們就會擔心他是否同樣不太瞭解其可用於調查其他方面的資訊和情報。 或許在初始構想中，人們認為防制洗錢工作只針對涉及金額高達數百萬美元的有組織犯罪集團。但從技術進步和經驗中可以明顯看出，犯罪分子和其他歹徒參與的任何金融交易活動，無論交易規模大小，都可以被識別出來。人們常常忽略，即使是參與最高層級犯罪活動的人，也會在日常和例行交易活動中留下可識別的蛛絲馬跡。 例如，殺豬盤老年受害者，嘗試在加油站自動櫃員機購買加密貨幣的不知情錢騾，點對點支付中附加暗示毒品交易的表情符號，使用經常性結構鬆散的現金存款支付定期帳單，或者向已知協助掩蓋潛在犯罪活動（包括兒童性虐待內容販賣）的網站或應用程式支付的款項。無論有意還是無意，防制洗錢 / 銀行保密法監控工作都已有長足進展。這一切進一步證實，「以資金為線索」的傳統調查策略至今依然行之有效。 Steve Gurdak，CAMS，華盛頓巴爾的摩毒品販運高密度區 (HIDTA) 專案北維吉尼亞州金融行動經理，美國維吉尼亞州, sgurdak@wb.hidta.org 免責聲明：本文觀點僅為作者的個人觀點，不代表華盛頓特區 /...