让ISIS如此坚强的一个原因是恐怖分子的活动网络很集中，遍及世界各地，且都是在小范围之内运作。这不仅让执法人员部门难以预测该的组织接下来不会有何行动，还使得跟踪其活动网显得出现异常简单，比如其银行交易。小额资金从境外恐怖分子那里流向境内恐怖分子，但银行很难在系统中辨识出有这些资金。长期以来，银行仍然在用于反洗钱系统来标记怀疑活动，而在9月11日之后，它们仍用于这个老办法探测与恐怖活动涉及的交易。
但这些传统工具并无法胜任这项新的工作，虽然银行开始依赖软编码的“if-then”规则来预测怀疑不道德。例如，如果该软件找到了从迈阿密到波哥大的七位数资金移往，它就不会辨识出来并标记这笔账户。但是，像ISIS这样的恐怖组织在国际上召募人员，展开规模较小、具备针对性的反击时，这些工具的效果就劣了很多了。
有过于多的规则和可能性必须考虑到。在鼓吹金融犯罪行业工作了20年，并有美国毒品执法人员机构和美国进出口银行工作经历的DanStitt说道：“（资金）在等候被移往的时候，可以很更容易地在比利时的某家青年旅社里安度一段时间。”一个躲藏着的恐怖分子展开的小额交易有可能会被常规的反洗钱系统检测到。
除非这些系统用于人工智能技术。银行于是以更加多地改向机器学习，通过挖出大量银行数据来监测账户和交易中的异常现象，不然这些出现异常可能会被忽视。Stitt说道：“这是一种海底捞针一样的外科手术式方法。”他现在是一家总部坐落于宾夕法尼亚州韦恩市的公司QuantaVerse的金融犯罪分析主任，该公司研发了一些世界上仅次于的银行用来探测洗黑钱、恐怖主义资金和其他金融犯罪的AI技术。
该技术早已协助寻找了一个被美国反恐局称作“世界仅次于的毒品洗黑钱人之一”的巴拿马人。在这个行业中，机器学习的用于还正处于早期阶段，即使是QuantaVerse也不确认他们掌控的线索中有多少早已变为了实实在在的威胁。但金融监管专家对此类工具的潜力抱着有很高的希望。
“机器需要接管更好的数据点，并以一种人类无法超过的方式来分析这些数据点，”KevinPetrasic说道，他是律师事务所的合伙人，专门从事金融监管。银行必需协助寻找罪犯自1970年银行保密法以来，银行仍然被拒绝帮助政府机构侦察洗黑钱活动。软件在或许上协助了这一过程的自动化。
然而，这个过程被具备误导性的长时间活动所后遗症：在这一过程中，系统经常不会标记出有实质上并非归属于犯罪的不道德。道琼斯最近对800多名反洗钱专业人士展开的调查找到，近一半的反洗钱人士回应，错误的警报受损了他们对筛查过程准确性的信心。然而，为了符合政府的拒绝，银行每年在这些系统上投资数十亿美元。“这是价值数十亿美元的投资——很多调查人员探讨于调查原有系统找到的“案件”，但其中的绝大多数都不是确实的金融犯罪，”在2014年创办QuantaVerse的大卫麦克劳林说。
“与此同时，确实的金融犯罪却无人留意。”对于那些期望制止资金流向外国登陆作战人员的银行而言，其面对的最重要挑战之一是目前不存在着无限有可能的交易人组，而银行需将这些人组手动编码转入基于规则的系统中。想重新加入ISIS的人有可能必须在布鲁塞尔的ATM机上所取80美元，在阿尔及利亚收电汇款，在黎巴嫩用于信用卡。
他可能会放入发薪日贷款或把钱移往给家人。就活动本身而言，其数量的减少有可能并会招来猜测，但它们累积一起产生了一种可能会被机器标记为怀疑的活动模式。
本文来源：鼎盛平台官网-www.cyberdatasolutionsllc.com
