프로젝트 오로라
https://www.youtube.com/watch?v=9Kmbsa19T1k
프로젝트 오로라: 기관과 국경을 넘어 자금 세탁을 방지하기 위한 데이터, 기술 및 협업의 힘
혁신 허브 기타 |
2023년 5월 31일
PDF 전문
(15,993kb)
| 103페이지
프로젝트 오로라 (00:05:32)
2023년 5월 31일
기관과 국경을 넘어 돈세탁을 방지하기 위한 데이터, 기술 및 협업의 힘.
자금 세탁은 글로벌 금융 시스템의 무결성과 안전을 훼손하는 글로벌 문제입니다. 전 세계적으로 자금 세탁되는 금액은 전 세계 GDP의 2~5% 또는 2조~5조 달러 (현재 글로벌 GDP 기준)로 추정되지만 연간 압수되는 총 금액은 이러한 추정치의 1% 미만입니다. . 돈세탁 방지 규정과 진화하는 범죄 위협으로 인해 금융 기관의 규정 준수 비용도 증가했습니다.
의심스러운 활동에 대한 거래를 모니터링하기 위해 금융 기관에서 사용하는 현재 자금 세탁 방지(AML) 접근 방식은 격리된 방식으로 수행됩니다. 자금 세탁업자는 금융 기관과 국경을 넘어 상호 연결되고 복잡한 금융 시스템을 악용하여 불법 자금을 숨길 수 있기 때문에 이 접근 방식은 비효율적입니다.
데이터, 기술 및 협업을 활용하면 협업 분석 및 학습을 통해 AML 활동을 개선하는 동시에 데이터 보호, 개인 정보 보호 및 정보 보안을 유지할 수 있습니다. 돈세탁을 효과적으로 방지하려면 지불 데이터에 대한 전체적인 네트워크 보기가 중요합니다.
FATF(Financial Action Task Force)는 데이터 공유 및 협업 분석이 효과적인 AML과 테러 자금 지원에 매우 중요하다는 점을 확인했습니다. 또한 G20 정상들은 2020년 국경 간 결제를 강화하기 위한 로드맵을 승인했습니다. 이 로드맵의 일부로 FATF는 다음을 포함한 결제 시스템 아키텍처의 발전을 반영하기 위해 권고안 16(여행 규칙) 업데이트를 고려하고 있습니다. ISO 20022 메시징 표준 채택.
금융 범죄 대응과 함께 데이터 프라이버시 및 보호가 중요한 공익이라는 점을 인식하는 것이 필수적입니다. 이러한 목표는 상호 배타적이지 않지만 올바른 기술과 균형 잡힌 법적 프레임워크에 의해 지원될 때 상호 강화될 수 있습니다.
Project Aurora는 돈세탁 활동을 탐지하기 위한 공동 분석 및 학습(CAL) 접근 방식에서 개인 정보 보호 강화 기술, 기계 학습 및 네트워크 분석의 사용을 탐구하는 개념 증명(PoC)입니다. 여기에는 세 부분이 포함됩니다.
- 돈세탁 활동 패턴이 포함된 국경 내 및 국경 간 거래를 나타내는 합성 데이터 세트를 생성합니다. 데이터 세트에는 최소 데이터 포인트 세트가 포함됩니다.
- 기계 학습 모델 및 네트워크 분석을 통해 다양한 모니터링 시나리오(사일로, 국가 및 국경 간)를 테스트합니다.
- 다양한 협업 분석 및 학습(CAL) 접근 방식에서 개인 정보 보호, 데이터 보호 및 정보 보안을 지원하기 위해 기계 학습 및 네트워크 분석을 통해 데이터 세트에 대한 개인 정보 보호 강화 기술의 적용을 테스트합니다.
Project Aurora는 복잡한 자금 세탁 계획을 탐지하기 위해 개인 정보 보호 강화 기술, 기계 학습 모델 및 네트워크 분석과 함께 지불 데이터를 사용할 때의 이점과 잠재력을 보여줍니다 .
이 프로젝트는 또한 자금 세탁에 대응하기 위해 국가 및 국제적으로 공공-민간 협력 분석 및 학습(CAL) 준비를 가능하게 하기 위해 이러한 데이터와 기술을 어떻게 함께 가져올 수 있는지 시뮬레이션합니다 .
이 프로젝트는 CAL 접근 방식 이 현재의 사일로 접근 방식(금융 기관이 독립적으로 분석을 수행하는 방식)보다 자금 세탁 네트워크를 탐지하는 데 더 효과적이라는 것을 보여줍니다.
이 프로젝트는 돈세탁 방지를 위한 추가 고려 사항을 강조하고 향후 결제 네트워크 및 데이터에 핵심 사항을 활용하고 적용할 수 있는 방법을 설명합니다.
관련 정보