近年金融犯罪手法日益複雜,傳統僅從財務報表、交易金額或帳戶異常進行查核,已不足以完整掌握潛在風險。近期臺中地檢署偵辦的洗錢案件,即凸顯「非結構化文字資料」在風險辨識上的重要性。檢方從對話內容中的「銀行卡」、「USDT」等關鍵字著手,進一步追查相關人員與交易關係,最終揭露以文字客服公司為掩護的大型洗錢案件。
此一案例對稽核工作具有重要啟示:真正值得關注的風險訊號,不一定存在於會計數字中,也可能隱藏在 Email、客服對話、工作備註或其他文字紀錄裡。 因此,如何有效運用文字資料,從大量非結構化資訊中找出異常線索,已逐漸成為稽核與防制洗錢工作的重要課題。
在實務上,文字探勘(Text Mining)可協助稽核人員將「人工閱讀」轉化為「系統化篩選」。例如透過 JCAATs AI 稽核軟體的文字探勘功能,可依循三個步驟建立查核流程。
首先,透過 KEYWORD 關鍵字指令,從大量 Email、對話或備註中快速搜尋「USDT」、「私人帳戶」、「借卡」等可能涉及高風險活動的詞彙,先縮小人工審閱範圍。其次,利用 KEYWORD_MATCH 進行跨資料比對,將文字中發現的線索與客戶 KYC、帳戶資料及交易紀錄相互連結,確認文字訊息是否與實際業務活動一致。最後,再搭配 JOIN 等資料串接功能,進一步將「文字線索→異常帳號→實際交易」串聯起來,協助稽核人員還原可能的資金流向與關聯關係。
對稽核團隊而言,科技的價值並不是完全取代人工判斷,而是協助有限的稽核資源更精準地投入高風險領域。面對數以萬計的文字紀錄,與其逐筆閱讀,不如先透過文字探勘建立風險篩選機制,再由稽核人員針對命中結果進行專業判斷與查證。
「銀行卡+USDT」案例提醒我們,文字本身就是一項重要的稽核資料來源。 當文字探勘與 KYC、帳戶及交易資料進一步整合,稽核工作便能從單純檢視「發生了什麼」,逐步延伸至探索「哪些文字線索值得追查,以及它與實際交易之間存在什麼關聯」,讓稽核更具效率,也更能掌握潛在風險。
全文請詳:
新聞出處:
中檢檢察官受理相驗案 明察秋毫 查出洗錢集團案外案 提起公訴
資料來源:
台灣台中地方檢察署 | 115/09/23
| 0 |
| |
|