Machine Learning and Crowdsourced Validation for Anti-Money Laundering

1. Machine Learning
and
Crowdsourced Validation
for
Anti-Money Laundering
SIAM REGTECH

2. Background
• จากการประเมินของ PWC* ระบุว่า ธุรกรรมการฟอกเงินรวมทั่ว
โลกมีสัดส่วน 2% ถึง 5% GDP ทั้งโลก
• GDP ประเทศไทยคือ 400 billion USD หรือ 13 ล้านล้านบาท
• เป็นเงินในระบบฟอกเงิน 13 ล้านล้าน x 2% ~= 2.6 แสนล้านบาท
• เงินมหาศาลจานวนนี้ เอาไปสร้างรถไฟฟ้าได้อีก 4 สาย
*ที่มา: https://www.pwc.com/gx/en/services/advisory/forensics/economic-crime-survey/anti-money-
laundering.html
https://tradingeconomics.com/thailand/gdp
http://www.thaipost.net/?q=node/34273

3. Emergence
• ช่วงปี 2543 – 2547 ปปง. (AMLO) ยึดทรัพย์คืนได้มูลค่าเพียงปีละ
หนึ่งพันล้านบาท* ซึ่งเป็นเพียง 0.3% ของเงินในระบบฟอกเงิน
ภายในประเทศ
• รัฐบาลสามารถนาเงินที่ยึดคืนมาไปพัฒนาคุณภาพชีวิตของประชาชน
ได้อย่างเต็มเม็ดเต็มหน่วย ไม่ว่าจะเป็นพัฒนาคุณภาพการศึกษา เพิ่ม
สวัสดิการด้านสุขภาพ รวมถึงสร้างระบบขนส่งมวลชนที่ทันสมัย
• ปัจจุบัน มีเงินอีกจานวนมาก ที่เล็ดลอดการตรวจสอบไปได้ ซึ่งงานนี้
สามารถขยายผลไปช่วยเสาะหาและระงับแหล่งเงินทุนจากนอก
ประเทศที่สนับสนุนการก่อการร้ายใน 3 จังหวัดชายแดนภาคใต้ได้อีก
ด้วย
*ที่มา: http://www.unafei.or.jp/english/pdf/RS_No73/No73_13PA_Netipoom.pdf

4. Problem
• การฟอกเงิน - ผู้เชี่ยวชาญ (หายาก)
• ข้อมูล - มหาศาล (million to billion)
• คนตรวจสอบ – ถูกซื้อได้

5. Solution
สอนเครื่องจักรให้รู้จักหา patterns ของการฟอกเงินจาก
ข้อมูล transactions โดยให้ความสาคัญกับเบาะแสจาก
social media หรือ crowdsourcing platform

6. Unique Value Statement
ใช้พลังประมวลผลของเครื่องจักร
และใจรักชาติของคนไทย
ป้องกันไม่ให้การฟอกเงินลุกลาม
ไปกว่านี้

7. Our Product
Platform ที่ช่วยเพิ่มประสิทธิภาพในการตรวจจับการ
ฟอกเงินโดยใช้ Machine Learning มาประมวลผล Big
Data และใช้เบาะแสที่ได้รับแจ้งจากประชาชนทั่วไปมา
ช่วยยืนยัน patterns ที่น่าสงสัย โดยรับแจ้งได้ผ่านทาง
สื่อและ social media รวมถึงสื่อดั้งเดิม และหน่วยงาน
ภาครัฐที่เกี่ยวข้อง

8. Process
• ใช้ datasets จาก regulators อาทิ ก.ล.ต. & ธปท. โดยเปลี่ยน Personal
Identifiable Information (PII) เพื่อรักษาความเป็นส่วนตัว
• Data Mining จาก Facebook, สถานี TV/วิทยุ, หนังสือพิมพ์, ศูนย์ดารงธรรม,
ปปง., ป.ป.ช., ป.ป.ท., ก.ล.ต. & ธปท.
• เก็บข้อมูลลง Hadoop / Apache Spark using Cloudera Enterprise
• เตรียมข้อมูลด้วย Alteryx และ Datalogue
• ป้อนข้อมูลเข้า DataRobot เพื่อหา model ที่เหมาะสมที่สุด โดยลดเวลาประมวลผล
ด้วย GPU
• สร้างแผนภูมิให้เข้าใจง่ายด้วย Tableau
• เล่าเรื่องจากแผนภูมิด้วย Quill and Wordsmith เป็นคาบรรยายภาษาอังกฤษ
• แปลคาบรรยายให้เป็นภาษาไทยด้วย Natural Language Processing

9. Key Partners
• สถาบันการเงิน – ธนาคารพาณิชย์ในประเทศไทย
• Regulators สาหรับข้อมูล และประสบการณ์การตรวจหาการฟอกเงิน

10. Business Model – Revenue
• Social Enterprise ไม่แสวงหาผลกาไรให้ผู้ถือหุ้น
• รายได้จากการรวมองค์ประกอบดังต่อไปนี้
• ตามจานวนเงินที่กู้คืนมาได้ เช่น 0.1% ของมูลค่า
• ตามปริมาณข้อมูลที่ต้องวิเคราะห์ เช่น 1 บาทต่อ GB
• ตามจานวนกรณีที่ยืนยันว่ากระทาผิดจริง เช่น
• 10,000 บาท - มูลค่ารวมตั้งแต่ห้าแสนบาทขึ้นไป
• 1,000 บาท - มูลค่าน้อยกว่าห้าแสนบาท

11. Business Model – Expenditure
• ค่าใช้จ่ายหลัก:
• ค่าตอบแทน data scientists & advisors
• ค่าบริการ tools และ cloud service
• กาไรจากผลประกอบการ นากลับมาลงทุนด้าน R & D ที่
เพิ่มประสิทธิภาพให้กระบวนการทางานได้จริง

12. Team
ธนัท ทองอุทัยศรี
• สารวจและใช้เครื่องมือทุ่นแรงใหม่จากท้องตลาด
• มี > 13k contacts ใน LinkedIn รวมถึง regulators จาก
ต่างประเทศ เพื่อขอ best practices ด้าน RegTech
• รวบรวมความเชี่ยวชาญจากบุคลากรจากหลายสายงาน
พัทธพล กาญจนพิมลกุล
• ปี 3 สาขา Mathematical & Computation Science ที่
Stanford University
• ฝึกงานที่ Garena Online + Giztix
(Winner of DTAC Incubator Batch 3)

13. Advisors (AI - NLP & Data Mining)
ศ.ดร. ธนารักษ์ ธีระมั่นคง
• นักวิจัยดีเด่นแห่งชาติ ICT
• ศาสตราจารย์ NLP @ SIIT
• นายกสมาคม AI ประเทศไทย
กรกฏ เชาวนวาณิชย์
• Senior Data Scientist ที่
True Corp
• เชี่ยวชาญ NLP ภาษาไทย &
Deep Learning
ดร.วิชญ์ เนียรนาทตระกูล
• Ph.D. in data mining
• 5 startups
• AWS community hero

14. Advisors (Data: Science & Privacy)
ดร. ศักดิ์รภี
ไพสิฐเกรียงไกร
• Data Scientist ที่ Australian
Taxation Office
• เชี่ยวชาญ tax evasion
through offshore company
ราเมศ
สังข์สุวรรณ
• Data Scientist ที่
STelligence
• เชี่ยวชาญ DataRobot,
Alteryx, Splunk & Tableau
วิลาสินี
เทพสุนทร
• วิศวกรอาวุโส @ สวทช.
• เชี่ยวชาญด้าน data
privacy & anonymity

15. Why us?
• Regulators ไม่ค่อยกล้าใช้ technology จาก startups
• ที่เพิ่งออกจาก stealth mode
• ที่ไม่มีตัวแทนในประเทศไทย
• รวมพลังมวลชนผ่าน crowdsourcing ทางสื่อดั้งเดิม
และสื่อ online ต่าง ๆ
• ตั้งแต่ 25 สิงหาคม ได้รับคัดเลือกให้เข้าร่วม NVIDIA’s
Inception Program

16. Tools
social media mining ad hoc querying
Cloud services
Big Data
Data Preparation
GPUs (speed)
ML automation Visualization
Narration