【創科廣場】Tookitaki HPE反洗黑錢 合作推AI驅動方案

金融業在反洗黑錢（AML）要求日益嚴格，以往銀行沿用規則式（Rules-based）系統，以識別懷疑的反洗黑錢活動，但道高一尺，反洗黑錢手法層出不窮，罪犯以多種手段掩飾，舊系統窮於應付。

銀行的反洗黑錢系統缺點是數據有限，市場上可能已出現了新詐騙手法；規則式系統有如刻舟求劍，即使市場有洗黑錢手法亦無從知悉。近年，犯罪分子開創更多手法洗黑錢，推出新一代反洗黑錢平台出現，新加坡金融初創Tookitaki就是以人工智能（AI）建立新一代反洗黑錢方案，利用公開數據以機械學習，不斷更新平台，辨識和發現洗黑錢手法。

Hewlett Packard Enterprise宣布與Tookitaki合作，為亞太區銀行和金融機構提供全新專屬產品，採用HPE GreenLake for Big Data，Tookitaki以「即服務」（as-a-service）消費模式，提供AI驅動的反洗黑錢方案。

提高效益及數據管治

上述方案讓金融機構建立中央大數據平台，執行反黑洗錢數據分析，並啟用AI方案。HPE GreenLake讓方案能以「即服務」形式，部署在銀行的內部使用，為銀行提供敏捷和可擴展的雲端體驗，同時還可在企業內部部署AI的基礎平台和方案，以增強控制，提高成本效益及數據管治。

新加坡為基地的大華銀行（UOB）是全球首家銀行，採用了Tookitaki在HPE GreenLake建立的反洗黑錢方案。較早前，南美Hakrinbank亦採用了Tookitaki反洗黑錢方案。

Tookitaki和HPE的合作模式，大華銀行既可以人工智能強化反洗黑錢，同時應用兩種反洗黑錢風險維度，包括交易監控和名稱篩選。大華銀行每月篩選6萬個帳戶名稱，確定帳戶是否屬於全球監管觀察名單上的個人或實體。

大華銀行反洗黑錢系統從每月平均超過5700宗可疑的交易警報，準確篩選出優先順序較高的個案，以仔細迅速部署資源，調查潛在洗黑錢活動，而「高優先順序」類別中預測準確度，高達96%。

HPE具深厚專業知識

Tookitaki共同創辦人兼行政總裁Abhishek Chatterjee表示：「從成功的試驗至在大華銀行的實踐，證明與HPE在最佳化機器學習反洗黑錢方案的成功。HPE在大數據『即服務』和開發方案藍圖範疇，具備深厚專業知識，幫助我們快速設計和部署AI解決方案。」

HPE GreenLake雲端服務以彈性，並可於企業內部伺服器、邊緣或主機託管設施運行的「即服務」平台，以符合法規方式推動數碼轉型。HPE GreenLake結合雲端簡單、敏捷的特點，以及混合型資訊科技基建的管治、具備合規性及可視性。

HPE GreenLake提供雲服務，包括用於運算、容器管理、數據保護、高性能運算、超融合式架構、網絡、SAP HANA、儲存體、虛擬桌面基礎架構和虛擬機器的雲端服務。HPE GreenLake合約總值現已超過45億美元，超過830多個合作夥伴正銷售HPE GreenLake。