与此同时，随着计算机性能的提升和计算理论的优化，人工智能和大数据技术逐步成熟，金融科技给金融行业带来了变革式影响。近年来，基金行业创新性地探索将人工智能和大数据技术引入反洗钱工作，围绕客户身份识别、洗钱风险分析及异常行为监测等开展了一系列的创新研究和实践，取得了良好的成效。

　　引入人脸、图像识别技术，提高客户身份识别的有效性

　　为解决通过互联网远程提供服务客户身份验证难题，基金公司正在尝试开展将人脸识别技术、光学字符识别技术(OCR)等运用到客户身份识别环节，作为读取、收集以及核验客户身份信息和受理相关账户业务申请的辅助手段。通过使用人脸识别系统，结合身份证识别的OCR技术，并引入权威数据库进行多项要素核验，可帮助基金公司快速辨别、确认客户身份，更为有效地落实账户实名验证的要求，保障客户的资金和账户安全，大大降低洗钱犯罪分子利用互联网操纵他人账户进行洗钱违法活动的风险。

　　运用大数据技术，提升洗钱风险分析能力

　　基金公司在为广大居民提供优质专业的理财服务时，如何发现极少数洗钱违法分子的蛛丝马迹是一大难题。与此同时，基金业务普遍遵循客户申购赎回资金同一账户进出的原则，资金来源清晰，业务场景相对单一，数据资源并不丰富，基金公司基于数据开展风险分析存在先天不足。金融科技为基金公司的洗钱风险分析提供了出路，技术领先的基金公司已开始积极探索大数据在洗钱风险分析的运用，包括：利用网络爬虫技术监测互联网洗钱风险信息，尝试通过外部风险信息丰富高风险业务场景；研究引入外部数据服务，积极探讨与征信、反欺诈、反恐怖融资领域等第三方的合作方案；综合运用内外部可用数据，不断构建客户标签和复杂网络描绘客户关系，通过可视化技术从微观及宏观角度识别高风险群体等。基金公司可利用分析结果开展客户的持续与重新识别，对低风险客户采取简化的识别措施，将资源集中到涉嫌洗钱违法犯罪的高风险情形，并采取有针对性的风险防控措施。

　　借助机器学习算法，优化可疑交易监测模型

　　基金公司还积极尝试在海量历史交易数据的基础上，运用机器学习算法挖掘洗钱违规交易的行为特征，并将优化的模型通过系统化进行沉淀，进而投入到实际业务，以提升高风险客户识别和可疑交易监测工作的科学性、有效性。同时，基金公司正在研究建立数据闭环，将已确认的风险情形作为学习样本供模型持续优化，以实现可疑交易分析监测模型的持续学习与成长。

　　反洗钱+金融科技的尝试，为基金行业提升洗钱风险分析、监测、防控等能力提供了有益的探索方向，相信未来基金行业将持续投入更多金融科技资源，以风险为本深入推动反洗钱工作提质增效，主动积极地发挥反洗钱“第一道防线”的作用。