به گزارش اقتصاددان مهرداد حاجی زاده فلاح، مشاور ارشد مبارزه با پولشویی  در یادداشتی اختصاصی برای اقتصاددان نوشت:

کلاهبرداری و جرایم مالی مانند یک خال است. هیچوقت تمام نمیشود. الگوها و روش های جدید فریب، به طور روزانه ایجاد می شود. شیوه‌های غارتگرانه هر روز در حال تغییر هستند، خواه کلاهبرداری حساب جدید، تصاحب حساب، اختلاس، سرقت هویت یا پولشویی باشد. جدی‌ترین جنایات مالی در پولشویی انجام می‌شود و این یک تجارت بزرگ است. بر اساس گزارش دفتر مبارزه با مواد مخدر و جرم سازمان ملل متحد، سالانه ۲ تا ۵ درصد از تولید ناخالص داخلی جهان شسته می شود. این رقم بین ۸۰۰ تا ۲ تریلیون دلار در سال است. در سال ۲۰۲۰، واحد اطلاعات مالی بریتانیا (UKFIU) تقریباً ۶۰۰۰۰۰ گزارش فعالیت مشکوک (SAR) را دریافت و پردازش کرد. بیش از ۹۵ درصد از این گزارش ها از سوی مؤسسات مالی ارائه شده است که برای آنها ۲۸٫۷ میلیارد پوند هزینه داشته است

محوطه سازی بانکی دارای هزاران محصول و خدمات مالی است که روزانه محصولات جدیدی به صورت آنلاین عرضه می شوند و صدها میلیارد تراکنش روزانه را شامل می شوند. هر یک از محصولات و خدمات فرصتی برای پولشویی ایجاد می کند. علاوه بر این، کلاهبرداران به شدت به دنبال حفره‌ها و آسیب‌پذیری‌ها برای استفاده از تکنیک‌های جدید و بهره‌برداری از محصولات و خدمات برای پولشویی هستند.

از آنجایی که موسسات مالی به اصلاح تلاش‌های AML خود برای مبارزه با کلاهبرداران در فرآیندها، نظارت‌ها و بررسی‌های «مشتری آگاه» (KYC) توصیه‌های زیر بر این اساس است که چگونه مشتریان خدمات مالی پیشرو برای دسترسی و پرس و جو از داده‌های خود برای بهبود ابزارهای خود در مبارزه با جرایم مالی استفاده می‌کنند.

چالش‌های مانیتورینگ AML امروز

نظارت و شناسایی بر اساس شناسایی توالی رویدادها و تراکنش‌هایی است که پرچم‌های قرمز را برافراشته می‌کنند که باعث بررسی فعالیت‌های بالقوه کلاهبرداری می‌شود. شناسایی آنچه که یک هشداری را تشکیل می دهد توسط:

مشاهده فعالیت های قبلی پولشویی:

عوامل خطر و آستانه‌هایی که از نمایه‌سازی KYC ناشی می‌شوند، به عنوان مثال، افرادی که احتمال بیشتری برای مشارکت در پولشویی دارند و دانش خاص از ابزارها و معاملات مالی فردی همانطور که ممکن است انتظار داشته باشید، این پیچیدگی علاوه بر چشم انداز نظارتی، یعنی سیاست های جدید در سطح کشور در مورد ارزهای دیجیتال، دائما در حال تغییر و تحول است.

بنابراین یکی از مهم‌ترین عوامل فناوری که بر اثربخشی نظارت بر پولشویی تأثیر می‌گذارد، توانایی تعیین فعالیت مشتریان در قبال فعالیت‌های تاریخی آن‌ها است و این امر مستلزم توانایی عبور از سیلوهای مختلف و انجام این کار سریع برای عدم ایجاد مانع است.
کسب و کار در محیطی با شرایط به سرعت در حال تغییر، به عنوان مثال، میلیاردها تراکنش در ساعت، صدها هزار محصول مالی در حال تغییر و میلیون‌ها مشتری و نهاد، تغذیه و نگهداری سریع مدل‌های شناسایی به توانایی دسترسی و پردازش سریع پتابایت داده‌ها بستگی دارد.
همه عملکردهای AML پس از تراکنش (KYC، نظارت و بررسی) بر روی داده‌های انتخاب شده جمع‌آوری شده در دریاچه داده‌ای از نوعی ذخیره‌سازی شی توزیع‌شده انجام می‌شوند (هرگز مستقیماً در برابر سیستم‌های منبع تراکنش قرار نمی‌گیرند). داده های مربوطه از خوراک منبع تراکنش (معاملات، محصولات، مشتریان و غیره) معمولاً به شکل خام مستقیماً در یک منطقه مرحله بندی دریاچه داده (سرزمین) ریخته می شود. فرآیندهای یکپارچه سازی داده ها (ELT) داده ها را به ساختارهای مدل بعدی آشنا می کند تا برای دسترسی و پردازش با کارایی بالا (Structure) آشنا به انبار داده ها باشد. برای ارضای الزامات عملکرد بالا در عملکردهای AML، داده ها بیشتر به اشیاء داده های تحلیلی که دقیقاً برای عملیات AML خاص تنظیم شده اند، مصرف یا پالایش می شوند.

چالش‌های مهم مرتبط با داده در این معماری که بر اثربخشی AML تأثیر می‌گذارد شامل موارد زیر است اما محدود به آن‌ها نمی‌شود:
مدل‌های تشخیص باید سریع اجرا شوند تا مؤثر باشند و دسترسی تقریباً واقعی به تمام داده‌های مرتبط را به یک نیاز حیاتی تبدیل کنند.
این موضوع،هزینه‌ها، ریسک و زمان انتقال و تکثیر داده‌ها را فقط برای قابل استفاده کردن آن‌ها افزایش می‌دهد.
تأخیر و ارتباط داده ها با بسط دادن به نکته بالا، هر چه مدت زمان بیشتری طول بکشد تا داده ها از فیدهای داده خام به مدل های تحلیلی برسند، خطر این که یک رویداد پولشویی خیلی دیر تشخیص داده شود تا اقدامات مؤثری انجام شود بیشتر می شود.
بررسی محدود به داده‌های جزئی ، تحقیقات مؤثر و حذف سریع موارد مثبت کاذب نیازمند دسترسی سریع به داده‌های دقیق است که ممکن است در مجموعه‌های داده و منابع متفاوت وجود داشته باشد.

پیچیدگی انطباق مقررات:

چابکی محدود برای تغییر قوانین در صدها حوزه قضایی.
حاکمیت داده :
حفاظت از حریم خصوصی داده ها و صلاحیت بین ۱۰۰+ کشور الزامی است.
تأثیر و هزینه‌های پرداختن ناکافی به چالش‌های فوق که منجر به قابلیت‌های نظارتی پایین‌تر می‌شود، قابل توجه است.

تشخیص تأخیری :

عواقب ناشی از تشخیص تأخیر بسته به اندازه و فرکانس کسری می تواند متفاوت باشد. بانک ها ممکن است از جریمه های مالی، مسائل حقوقی مانند اتهامات جرایم مالی، افزایش نظارت نظارتی، از دست دادن مجوز و حتی آسیب به شهرت رنج ببرند.

استقرار تاخیری مدل‌های پیشگیری جدید :

هر میزان تاخیر در دنیای مبارزه با AML بسیار طولانی است. تأخیر می تواند خطر فعالیت های متقلبانه را افزایش دهد، منجر به فرآیند AML ناکارآمد، افزایش هزینه های عملیاتی و عدم انطباق با الزامات نظارتی شود.
تحقیقات طولانی و با تاخیر می تواند منجر به زیان های مالی، آسیب به شهرت، بررسی های نظارتی، افزایش ریسک و هزینه های عملیاتی بالاتر برای بانک ها شود.

کپی‌های چندگانه داده هزینه‌ها و خطراتی را به همراه دارند:

در حالی که اشکال دیگری از تکرار وجود دارد که با انتقال و کپی داده‌ها برای قابل استفاده کردن آن‌ها ایجاد می‌شود. این می تواند هزینه های بالا و چالش های ریسکی را برای اقدامات AML به همراه داشته باشد. بانک‌ها باید به دقت خطرات احتمالی ناهماهنگی داده‌ها، افزایش مواجهه با نقض و پیچیدگی داده‌ها و افزایش هزینه‌های ذخیره‌سازی نسخه‌های متعدد داده را در نظر بگیرند.
خطر ضرر و جریمه‌های نظارتی:
به میزان تلفات وجوه، در سطح جهانی، ۱۰۰ جریمه AML به مبلغ ۳٫۸۵ میلیارد دلار بین سال‌های ۲۰۲۰ تا ۲۰۲۱ صادر شد. نکته جالب توجه این است که اگرچه قانون رازداری بانکی ایالات متحده به عنوان استاندارد عملی برای مقررات AML، حجم فزاینده ای از جریمه ها از خارج از ایالات متحده، عمدتا بریتانیا و اتحادیه اروپا وجود دارد.

ویژگی‌های امنیتی مانند رمزگذاری سرتاسر، انواع مختلف احراز هویت، کنترل دسترسی دقیق، ممیزی امنیتی دقیق و موارد دیگر همچنان به تیم‌های امنیتی و AML با اطمینان لازم مبنی بر اینکه افراد مناسب سطح دسترسی مناسب را در هر مکانی دارند، ارائه می شود.

مخاطب گرامی، ارسال نظر پیشنهاد و انتقاد نسبت به خبر فوق در بخش ثبت دیدگاه، موجب امتنان است.

ع