MAS携手银行业启动POV项目，利用AI/ML提升诈骗检测能力
汇捷资讯监管合规关注「MAS携手银行业启动POV项目，利用AI/ML提升诈骗检测能力」。文中涉及携手银行、Value、MAS、新加坡。主体名称、时间、金额、牌照和监管结果以正文为准，不另作推断。
背景概述
根据 黄金形态通APP 报道，新加坡金融管理局（MAS）于2026年5月4日宣布，正与银行业、新加坡政府科技局（GovTech）及新加坡警察部队（SPF）合作，利用人工智能与机器学习（AI/ML）技术提升诈骗检测能力，以打击金融犯罪。
作为推动AI/ML行业应用的一部分，MAS正在开展一项价值验证（Proof-of-Value，POV）项目，探索利用AI/ML技术进行先发制人的诈骗检测。该项目汇集五家银行的数据，旨在构建更稳健、更准确的AI/ML模型，帮助识别高风险交易和账户，以便及时评估、干预并减少客户因诈骗遭受的损失。
关键要点
- 多方合作：MAS与银行业、GovTech及SPF共同推进，利用AI/ML打击金融犯罪。
- POV目标：通过跨五家银行的数据训练模型，提升高风险交易和账户的识别准确率。
- 数据使用：使用参与银行的历史交易数据（含账号）训练和评估模型。
- 隐私保护：数据经加密技术保护，账号被哈希处理，仅贡献银行可识别实际账号；访问受限且全程监控，项目结束后数据删除。
- 未来扩展：评估POV效果后，MAS可能扩大模型范围，纳入更广泛数据集和用例。
影响解读
该POV项目若成功，将显著提升新加坡金融体系对诈骗的防御能力。通过跨行数据共享与AI/ML模型，可识别单一机构难以发现的复杂诈骗模式，从而更早干预，减少客户损失。同时，项目建立的安全数据共享框架为行业合作提供了隐私保护范本，有助于推动更广泛的金融犯罪防治协作。
对银行而言，参与POV可增强自身风控能力，并可能降低因诈骗导致的声誉与财务损失。对消费者来说，更高效的诈骗检测意味着资金安全得到更好保障。
关键对比：传统检测 vs. POV AI/ML检测
| 维度 | 传统检测 | POV AI/ML检测 |
|---|---|---|
| 数据范围 | 单家银行内部数据 | 跨五家银行的历史交易数据 |
| 检测能力 | 基于规则，难以发现复杂模式 | 机器学习模型，可识别高风险交易和账户 |
| 响应速度 | 事后或准实时 | 先发制人，及时评估与干预 |
| 隐私保护 | 各行独立 | 加密哈希、受控环境、全程监控、数据删除 |
未来展望
MAS表示，当前POV为更深层次的行业合作奠定基础，利用AI/ML增强和补充单个金融机构现有的预防和打击金融犯罪工作。在评估POV效果并从中学习后，MAS可能会扩大所用AI/ML模型的范围和复杂度——纳入更广泛的数据集和更多用例，以进一步巩固金融体系对犯罪活动的防御。
若POV成果显著，未来可能推广至更多银行甚至非银行金融机构，并探索实时检测、跨行业数据协作等方向。
编辑总结
MAS此次牵头的POV项目，展示了监管机构、执法部门与银行业利用AI/ML协同打击金融犯罪的创新尝试。在严格保护数据隐私的前提下，跨行数据共享有望突破单一机构的信息孤岛，提升诈骗检测的精准度和时效性。该项目不仅为新加坡金融安全增添技术屏障，也为全球监管科技合作提供了参考。后续进展值得持续关注。
常见问题解答
问题：MAS的POV项目是什么？
回答：POV是新加坡金融管理局开展的一项价值验证项目，旨在探索利用人工智能与机器学习技术进行先发制人的诈骗检测。项目汇集五家银行的历史交易数据，训练模型以识别高风险交易和账户。
问题：哪些机构参与了该项目？
回答：参与方包括新加坡金融管理局（MAS）、银行业合作伙伴、新加坡政府科技局（GovTech）以及新加坡警察部队（SPF）。
问题：项目如何保护客户数据隐私？
回答：数据使用加密技术保护，银行账号被哈希处理，仅贡献银行可识别实际账号。数据访问仅限于受控环境中的授权人员，并全程监控。项目结束后所有数据将被删除。
问题：POV项目使用哪些数据？
回答：使用参与银行的历史交易数据，包括银行账号，用于训练和评估AI/ML模型，以评估其提升诈骗检测的潜力。
问题：项目未来会如何扩展？
回答：在评估POV效果后，MAS可能会扩大AI/ML模型的范围和复杂度，纳入更广泛的数据集和更多用例，以进一步加强金融体系对犯罪活动的防御。
APP推荐Apps
