iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論・115 年第一次・L11・第 30 題

洗錢偵測系統,應該用哪種機器學習方法?

原題

某商業銀行想建立洗錢行為檢測系統,擁有過去 5 年的交易記錄,其中包含已確認的洗錢案例(標記為「異常」)和正常交易(標記為「正常」)。銀行希望系統能自動識別新交易是否為洗錢行為,請問使用下列哪一種機器學習方法最為適合?

白話

某商業銀行有過去 5 年的交易記錄,每筆都已標記為「異常」(洗錢)或「正常」,想建立一套系統,自動判斷新進交易是否屬於洗錢行為。

問你:要建立這套自動識別洗錢行為的系統,最適合哪一種機器學習方法?

一句話總結

有標籤、要分類新資料,就是監督式學習的分類問題,這是最直接的對應。

情境

先感受問題:有歷史紀錄,也有答案,怎麼讓模型學?

假設「兆豐銀行」的合規部門花了 5 年時間,把每一筆懷疑洗錢的交易送去人工調查,最後確認 4,200 筆是真正的洗錢案例,其餘 3,800 萬筆是正常交易。

每一筆交易都有:交易金額、交易時間、對手帳戶、跨境與否、當天交易次數等 40 個特徵,以及一個標籤:「洗錢」或「正常」。

合規長說:「我要一個系統,每當有新交易進來,就自動判斷它是不是洗錢。」

你手上有:資料(40 個特徵)+ 答案(標籤)+ 任務(判斷新交易屬於哪類)。

這就是監督式學習分類問題的標準描述:用有答案的歷史資料訓練模型,讓模型學會判斷新資料。

舊方法

不用監督式學習,還有哪些方法,局限在哪

其他方法在這個場景下會遇到根本問題:

  1. 規則引擎:寫死閾值(「單筆超過 100 萬就警示」),但洗錢手法不斷演化,今天的規則明天就失效,維護成本極高
  2. 非監督分群:沒有標籤時可以把交易分成幾個「行為模式群」,但不知道哪群是洗錢,無法直接輸出「是/不是」的判斷
  3. 強化式學習:需要即時環境回饋(每次決策後知道對不對),洗錢確認往往要幾個月調查,無法即時給回饋
  4. 關聯規則挖掘:找「常一起出現的行為」(如「A 帳戶匯款給 B,B 同天又匯給 C」),可以找出關聯模式,但無法直接給每筆交易一個「是/否」的判斷
  5. 浪費已有的標籤資訊:「兆豐銀行」花了 5 年人工標了 3,800 萬筆資料,不用這些標籤,改用非監督方法,等於把最有價值的資產扔掉

新方法

監督式學習分類怎麼處理洗錢偵測

「兆豐銀行」用這 3,800 萬筆有標籤的資料訓練一個分類模型:

輸入:40 個交易特徵(金額、時間、對手帳戶、跨境標記等)

輸出:「洗錢(1)」或「正常(0)」加上機率分數(例如「這筆交易有 87% 的機率是洗錢」)

訓練過程:模型看過所有歷史案例,學習「哪些特徵組合在確認洗錢的案例中出現頻率高」,建立判斷規則。

系統上線後,每筆新交易進來,模型立刻算出分數。超過閾值的案例自動送給人工複核,明顯正常的則通過。

這就是選項 A 的意思:監督式學習的分類問題:用有標籤的資料訓練模型,對新的未標籤資料做分類預測。

錯選項

為什麼其他選項是錯的

B非監督式學習的分群問題

字面在說什麼

把交易資料自動分成幾個群組,找出群組之間的差異。

為什麼不對

非監督式分群不使用標籤,它自己找資料的自然分組。但題目已經有「洗錢/正常」的標籤,使用非監督分群等於完全浪費這些標籤,模型無法直接輸出「這筆是洗錢嗎」的判斷。分群適合沒有標籤的場景,這個場景有標籤就不應該用分群。

誰會選錯

直覺上覺得「把洗錢交易和正常交易分開」就是分群的人。分群是讓模型自己找類別,分類是告訴模型類別是什麼,訓練它學判斷。有了標籤就用分類,沒有標籤才用分群。

C強化式學習

字面在說什麼

讓 AI 在環境中試錯,根據獎勵和懲罰學習最佳策略。

為什麼不對

強化式學習需要一個環境,每次決策後立刻得到回饋(這個動作好還是不好)。洗錢確認是幾個月的調查流程,無法在交易發生的當下給出即時回饋。另外,強化式學習適合的是「連續決策優化」(如下棋、機器人控制),而非「靜態資料集分類」。

誰會選錯

以為「AI 自動判斷」就是強化學習的人。強化學習是透過與環境互動學習策略,不是從靜態資料集訓練分類器。

D非監督式學習的關聯規則挖掘

字面在說什麼

找出交易行為之間的關聯模式(如「做 X 的人通常也做 Y」)。

為什麼不對

關聯規則挖掘(如 Apriori 算法)用於發現「共現模式」,例如超市購物籃分析。它無法直接對每筆交易做「是/否」的分類輸出,也是非監督方法,同樣浪費了題目提供的標籤資訊。

誰會選錯

想到「洗錢通常有固定模式」就選關聯規則的人。「模式」不等於「關聯規則」,監督式分類也能學到洗錢模式,而且因為有標籤所以更精準。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論 第 30 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。