Pandemija pakeitė tai, kaip nusikaltėliai slepia savo grynuosius pinigus, o dirbtinio intelekto įrankiai bando tai užuosti

Ponia Tech | Getty

Kai anksčiau šiais metais viso pasaulio ekonomikos sustojo, tai buvo ne tik verslo savininkai ir vartotojai kurie turėjo prisitaikyti. Nusikaltėliai staiga turėjo problemų. Kaip perkelti savo pinigus?

Pelnas iš organizuoto nusikalstamumo paprastai perduodamas per teisėtą verslą, dažnai kelis kartus apsikeičiant rankomis ir kertant sienas, kol nelieka aiškaus pėdsakų iki jo šaltinio – procesas vadinamas pinigų plovimu.

Tačiau užsidarius daugeliui įmonių arba matant mažesnius pajamų srautus nei įprastai, paslėpti pinigus akivaizdžiai imituojant kasdienę finansinę veiklą tapo sunkiau. Pinigai vis dar gaunami, bet nėra kur jų dėti, sako Isabella Chase, dirbanti su finansiniais nusikaltimais RUSI, JK įsikūrusioje gynybos ir saugumo ekspertų grupėje.

Pandemija privertė nusikaltėlių gaujas sugalvoti naujų pinigų judėjimo būdų. Tai savo ruožtu padidino kovos su pinigų plovimu (PML) komandų, kurioms pavesta aptikti įtartinas finansines operacijas ir sekti jas iki jų šaltinio, statymus.

Jų strategijų pagrindas yra nauji AI įrankiai. Nors kai kurios didesnės, senesnės finansų institucijos lėčiau pritaikė savo taisyklėmis pagrįstas senąsias sistemas, mažesnės, naujesnės įmonės naudoja mašininį mokymąsi, siekdamos atkreipti dėmesį į neįprastą veiklą, kad ir kokia ji būtų.

Sunku įvertinti tikslų problemos mastą. Tačiau Jungtinių Tautų narkotikų ir nusikalstamumo biuro duomenimis, nuo 2 iki 5 % pasaulio BVP – nuo ​​800 iki 2 trilijonų JAV dolerių dabartiniais skaičiais – yra skalbiami kiekvienais metais . Dauguma lieka nepastebėti. Remiantis skaičiavimais, areštuojama tik apie 1% nusikaltėlių uždirbto pelno.

Ir tai buvo prieš užklupus Covid-19. Sukčiavimas daugėja, baiminamasi dėl COVID-19, sukurianti pelningą padirbtų apsauginių priemonių ar vaistų rinką. Vis daugiau žmonių praleidžiant laiką internete taip pat sukuria didesnį sukčiavimo išpuolių ir kitų sukčiavimo atvejų telkinį. Ir, žinoma, vaistai vis dar perkami ir parduodami.

Dėl užrakinimo buvo sunkiau paslėpti pajamas – bent jau iš pradžių. Nusikaltėlių problema yra ta, kad daugelis geriausių pinigų plovimo įmonių taip pat buvo tos, kurios labiausiai nukentėjo nuo pandemijos. Pirmenybė teikiama mažoms parduotuvėms, restoranams, barams ir klubams, nes juose yra daug grynųjų, todėl neteisėtai gautą pelną lengviau sumaišyti su teisėtomis pajamomis.

Uždarius bankų filialus tapo sunkiau įnešti didelių grynųjų pinigų. Pavedimų paslaugos, pvz., „Western Union“, kurios paprastai leidžia bet kam išeiti iš gatvės ir išsiųsti pinigus į užsienį, taip pat uždaro savo patalpas.

Tačiau nusikaltėliai yra niekas, jei ne oportunistai. Užsidarius įprastiems pinigų plovimo kanalams atsivėrė nauji. Dėl vyriausybės gelbėjimo į smulkųjį verslą vėl pradėjo tekėti didžiulės pinigų sumos. Tai sukuria finansinės veiklos bangą, kuri suteikia priedangą pinigų plovimui.

Laužyti taisykles

Rezultatas yra tai, kad AML technologijai keliami daugiau reikalavimų. Senesnės sistemos remiasi rankomis sukurtomis taisyklėmis, pavyzdžiui, kad operacijos, viršijančios tam tikrą sumą, turėtų kelti įspėjimą. Tačiau šios taisyklės sukelia daugybę klaidingų vėliavėlių ir tikri nusikalstami sandoriai pasimeta triukšme. Visai neseniai mašininiu mokymusi pagrįsti metodai bando nustatyti įprastos veiklos modelius ir pakelti vėliavėles tik tada, kai aptinkamos nuokrypiai. Tada juos įvertina žmonės, kurie perspėjimą atmeta arba patvirtina.

Šis atsiliepimas gali būti naudojamas AI modeliui patobulinti, kad laikui bėgant jis prisitaikytų. Kai kurios įmonės, įskaitant JAV ir JK įsikūrusią firmą Featuresspace, kuri naudoja mašininį mokymąsi, kad aptiktų įtartiną finansinę veiklą, ir Napier, kita įmonė, kurianti mašininio mokymosi įrankius, skirtus AML, kuria mišrius metodus, pagal kuriuos galima gauti teisingus AI generuojamus įspėjimus. paversti naujomis taisyklėmis, kurios formuoja bendrą modelį.

Spartūs elgesio pokyčiai pastaraisiais mėnesiais išaiškino labiau prisitaikančių sistemų pranašumus. Finansų reguliavimo institucijos visame pasaulyje paskelbė naujas gaires, į kokią veiklą AML komandos turėtų atkreipti dėmesį, tačiau daugeliui buvo per vėlu, sako Araliya Sammé, „Feencespace“ finansinių nusikaltimų skyriaus vadovė. Kai nutinka kažkas panašaus į koronavirusą, kai staiga pasikeičia visų mokėjimo būdai, jūs neturite laiko nustatyti naujų taisyklių.

Ji sako, kad jums reikia technikos, kuri galėtų užfiksuoti tai vykstantį veiksmą: Priešingu atveju, kai ką nors aptiksite ir įspėsite žmones, kurie turi žinoti, pinigų nebėra.

Napier vyriausiajam pajamų pareigūnui Dave'ui Burnsai dėl COVID-19 užsitęsė problemos. Jis sako, kad ši pandemija daugeliu atžvilgių buvo lūžio taškas. Tai šiek tiek pažadina, kad mes tikrai turime galvoti kitaip. Jis priduria, kad kai kurie didesni pramonės žaidėjai buvo sugauti plokščiapėdžiais.

Tačiau tai nereiškia, kad reikia naudoti naujausias technologijas. Negalite daryti dirbtinio intelekto vien dėl AI, nes tai išskirs šiukšles, sako Burnsas. Pasak jo, reikia kiekvieno banko ar mokėjimo teikėjo individualaus požiūrio.

AML technologija dar turi nuveikti ilgą kelią. Pandemija atskleidė esamų sistemų įtrūkimus, dėl kurių žmonės nerimauja, sako Burnsas. Ir tai reiškia, kad viskas gali pasikeisti greičiau, nei ketino. Mes matome didesnį skubos laipsnį, sako jis. Tradiciškai labai ilgas, biurokratinis sprendimų priėmimas smarkiai pagreitėja.

paslėpti