1 of 18

AML MONITORING & INVESTIGATION

FIN-07

Nền tảng phát hiện và điều tra rửa tiền có khả năng giải thích.

Banking · Cross-border · Crypto

2 of 18

FIN-07 · Explainable AML Detection & Investigation

Banking · Cross-border · Crypto

Một giao dịch có thể trông bình thường.

Một mạng lưới thì không.

3 of 18

Ngoài đời, tiền cũng đi qua nhiều lớp.

4 of 18

Nhiều giao dịch hơn. Không có nhiều chuyên viên hơn.

Giao dịch

Cảnh báo

Năng lực rà soát

Cảnh báo nào đáng được chú ý?

>15 tỷ

giao dịch không dùng tiền mặt · Việt Nam, 6 tháng đầu 2026

Nút thắt là sự chú ý của chuyên viên.

5 of 18

Cách tiếp cận hiện tại đang bỏ lọt điều gì?

CÁCH TIẾP CẬN HIỆN TẠI

Giám sát theo ngưỡng giao dịch

FIN-07 · NETWORK + EVIDENCE

Mạng lưới quan hệ và bằng chứng

Đơn vị phân tích

Giao dịch đơn lẻ

Mạng lưới quan hệ quanh giao dịch đó

Phát hiện structuring / layering

Dựa trên ngưỡng số tiền

Dựa trên cấu trúc dòng tiền

Đầu ra cho chuyên viên

Điểm rủi ro / cảnh báo đơn lẻ

Hồ sơ điều tra kèm bằng chứng truy được nguồn

Giải thích quyết định

Ở mức luật hoặc ngưỡng đã khớp

Ở mức từng bằng chứng, truy lại được nguồn

Một giao dịch có thể trông bình thường. Một mạng lưới thì không — chuyên án Hà Tĩnh là khoảng trống đó ngoài đời thật.

FIN-07 chạy song song hệ AML hiện tại · không thay thế

Đây là câu hỏi hội đồng sẽ hỏi: FIN-07 khác gì cách làm hiện tại. Giám sát theo ngưỡng giao dịch xét từng giao dịch một, phát hiện structuring và layering dựa trên ngưỡng số tiền, và trả về cho chuyên viên một cảnh báo hoặc một điểm rủi ro đơn lẻ. FIN-07 lấy đơn vị phân tích là mạng lưới quan hệ, đọc structuring và layering theo cấu trúc dòng tiền, và trả về một hồ sơ điều tra với bằng chứng truy lại được nguồn. Bằng chứng minh hoạ cho khoảng trống này chính là hai slide trước: một giao dịch có thể trông bình thường, một mạng lưới thì không — và chuyên án Hà Tĩnh 2026 là cấu trúc đó ngoài đời thật. Lưu ý: FIN-07 chạy song song hệ AML hiện tại, không thay thế.

6 of 18

Cùng 500 triệu. Khác hành vi. Khác rủi ro.

Thanh toán thường

Structuring

Layering

Cùng số tiền. Khác hành vi.

7 of 18

Nhiều cách che giấu dòng tiền. FIN-07 nhìn ra cấu trúc.

Fan-in

Fan-out

Scatter-gather

Gather-scatter

Cycle

Bipartite

+ Structuring · Smurfing · Thay đổi hành vi · Layering

8 of 18

Một cảnh báo chỉ là điểm bắt đầu.

FIN-07 biến tín hiệu thành ngữ cảnh điều tra.

9 of 18

Máy dựng bằng chứng. Người đưa ra phán đoán.

AI không tự kết luận. AI tổng hợp bằng chứng.

10 of 18

Đây là thứ chuyên viên thực sự nhận được.

Vì sao cần rà soát?

1

Đi qua nhiều trung gian

2

Cấu trúc scatter-gather

3

Lệch khỏi hành vi thường

4

Bằng chứng truy được nguồn

Quyết định dựa trên bằng chứng, không dựa trên điểm số.

11 of 18

ĐÃ XÂY ĐƯỢC GÌ TÍNH ĐẾN HIỆN TẠI

Phần lõi đã chạy. Bước tiếp theo là kiểm chứng trong môi trường ngân hàng.

01

✓

Nền tảng dữ liệu

15,6M giao dịch đã nạp

Streaming ingestion

Schema giao dịch chuẩn hoá

02

✓

Máy phát hiện

3 domain độc lập

Scoring riêng theo domain

Benchmark đã đo được

03

✓

Sản phẩm điều tra

329 hồ sơ điều tra

Bằng chứng gom bằng AI

Chuyên viên quyết định

04

Triển khai tại tổ chức

Dữ liệu ngân hàng thật hoặc ẩn danh

Hiệu chỉnh theo tổ chức

Kiểm chứng với chuyên viên

Đã xây và đã đo được

Cần pilot

Tính khả thi kỹ thuật đã được chứng minh. Hiệu quả trong tổ chức tài chính là bước cần kiểm chứng.

12 of 18

BA GIAI ĐOẠN TIẾP THEO SAU KHI CÓ PILOT

Từ working system đến nền tảng AML triển khai được trong tổ chức tài chính.

Hôm nay · FIN-07 working system

Triển khai trong tổ chức

01

Validate

Chứng minh trên dữ liệu và chuyên viên thật.

Chưa thêm model mới ở giai đoạn này.

02

Operationalise

Đưa FIN-07 vào workflow thật của tổ chức.

Integration

Calibration

Governance

Auditability

03

Learn

Quyết định của chuyên viên trở thành tín hiệu cải thiện.

Analyst feedback

Active learning

Typology mới nổi

Network intelligence

Bằng chứng từ nhiều domain cùng tồn tại trong một hồ sơ — không cộng gộp điểm rủi ro.

Định hướng tiếp theo không phải thêm model một cách vô hạn. Phase 1 là kiểm chứng giá trị hiện tại với dữ liệu và chuyên viên thật — không thêm model mới. Phase 2 là operationalise: tích hợp core banking, KYC, screening, PEP/sanctions, risk intelligence, cùng với ngưỡng riêng theo tổ chức, RBAC, audit trail, model governance, bảo mật và tích hợp quy trình STR. Phase 3 là feedback loop: quyết định của chuyên viên quay lại hiệu chỉnh model, ngưỡng và typology detection theo risk profile của từng tổ chức — bao gồm active learning, typology mới nổi, dữ liệu beneficial ownership phong phú hơn, bằng chứng cross-domain và GenAI trong phạm vi kiểm soát. Lưu ý: cross-domain nghĩa là bằng chứng từ nhiều domain cùng tồn tại trong một hồ sơ, không phải cộng gộp điểm rủi ro.

13 of 18

Pilot thành công = 4 kết quả đo được.

FIN-07 chạy song song hệ AML hiện tại · rà soát A/B · không dùng ROI giả định.

14 of 18

APPENDIX A1

Hạ tầng và observability

813 lượt tác tử · 766 lượt gọi công cụ · p90 ≈10 giây · 162/162 lượt chạy thành công trong test hiện tại

15 of 18

APPENDIX A2

Nhánh ngân hàng: từ giao dịch đến hồ sơ điều tra

Banking transaction rail · IBM AML + SAML-D · MEGA-PNA

Transaction → Context → Detection → Network → Evidence → Decision

Hai model branch độc lập. Một investigation workflow.

Với nhánh giao dịch ngân hàng, một giao dịch không được xem như một record độc lập. Sau khi được chuẩn hoá, FIN-07 đặt giao dịch đó vào ngữ cảnh: lịch sử hành vi của tài khoản, các counterparties và cấu trúc graph xung quanh. Từ đây dữ liệu được đưa vào detection path phù hợp. Hiện tại FIN-07 có hai model branch trong Banking Rail: một branch huấn luyện trên IBM AML cho các pattern giao dịch ngân hàng tổng quát, một branch huấn luyện trên SAML-D để bổ sung các scenario và ngữ cảnh cross-border. Hai model không cộng điểm — mỗi branch có scoring và threshold riêng. MEGA-PNA đánh giá quan hệ giao dịch dựa trên cả đặc trưng transaction và graph context. Khi tín hiệu vượt threshold của domain tương ứng, hệ thống tạo alert và đưa vào bước ưu tiên. Từ alert đó, FIN-07 mở rộng graph để xem các giao dịch trước/sau, các counterparties và đường đi của dòng tiền. Các tín hiệu từ model, hành vi, mạng lưới, transaction và các nguồn liên quan được gom lại thành evidence. Kết quả cuối cùng của Banking Rail không phải chỉ là một điểm rủi ro — nó là một hồ sơ điều tra để chuyên viên hiểu vì sao cần rà soát, tiền đã đi đâu, liên quan tới ai và bằng chứng nào hỗ trợ quyết định. Chuyên viên vẫn là người quyết định Close, Review hoặc Escalate.

16 of 18

APPENDIX A3

Nhánh Bitcoin: chấm rủi ro và truy vết dòng tiền

A · PHÁT HIỆN

165 đặc trưng → P(illicit) → phân tầng rủi ro

LOW

MEDIUM

HIGH

CRITICAL

Ngưỡng 0,4 / 0,7 / 0,9. TreeSHAP chỉ ra đặc trưng nào đẩy điểm lên, sau khi phục hồi 151/166 tên đặc trưng ẩn danh.

67.504

giao dịch đã chấm

3.222

gắn cờ · 1.334 CRITICAL

0,99

precision

B · TRUY VẾT

Ngược và xuôi dòng đến điểm illicit đã biết

Số bước gần nhất, láng giềng rủi ro và topology cộng lại thành evidence_strength: NONE → WEAK → MODERATE → STRONG.

1.534

phơi nhiễm điểm illicit đã biết

3.278

có láng giềng bị gắn rủi ro

1.611

bằng chứng STRONG

Số đo trên bộ Elliptic gốc. Nhánh này chỉ đưa ra tín hiệu rủi ro trên đồ thị giao dịch Bitcoin — không nhận diện mixer, peeling chain hay chain hopping.

17 of 18

APPENDIX A4

Benchmark model theo từng domain

Domain

Model

F1

PR-AUC

Precision

Recall

Scale

SAML-D

MEGA-PNA

0,979

0,9998

0,959

0,999

1,43M

IBM AML

MEGA-PNA

0,780

0,495

0,840

0,728

6,75M

Bitcoin / Elliptic

Random Forest

0,814

0,794

0,987

0,693

67.504

Đánh giá trên test set riêng của từng domain. Không so sánh trực tiếp giữa ba domain: schema, transaction universe và phân bố nhãn khác nhau. Chất lượng model phải được đánh giá lại khi chuyển sang dữ liệu thật của tổ chức.

18 of 18

FIN-07 mong muốn góp phần vào làm đẹp đất nước, đấu tranh với tội phạm rửa tiền.

Phát hiện sớm hơn.

Điều tra rõ hơn.

Tài chính an toàn hơn.

Một đóng góp nhỏ của nhóm cho một hệ sinh thái tài chính Việt Nam minh bạch và đáng tin cậy hơn.

FIN-07 · AML Monitoring & Investigation

Khi bắt đầu FIN-07, chúng em có thể chọn một bài toán AI đơn giản hơn và dễ demo hơn. Nhưng nhóm chọn AML vì đây là một bài toán mà nếu công nghệ làm tốt hơn một chút thì giá trị tạo ra không chỉ nằm ở một chỉ số model. Đằng sau một dòng tiền bất hợp pháp có thể là tiền của một người bị lừa đảo, một tài khoản bị lợi dụng, một doanh nghiệp bình phong hoặc một mạng lưới tội phạm. Vì vậy mục tiêu cuối cùng của FIN-07 không phải là thêm một mô hình AI hay thêm một dashboard. Điều chúng em muốn xây là một công cụ giúp chuyên viên nhìn thấy những gì khó nhìn thấy, có đủ bằng chứng để đưa ra quyết định tốt hơn, và từng bước góp phần làm cho hệ sinh thái tài chính Việt Nam an toàn, minh bạch hơn. Đây vẫn là một hệ thống cần được kiểm chứng trong môi trường ngân hàng thật — và đó cũng chính là hướng nhóm muốn tiếp tục theo đuổi. Nếu hội đồng hỏi về giới hạn: dữ liệu công khai (IBM AML, SAML-D, Elliptic) không phản ánh phân bố giao dịch thật của một tổ chức tài chính Việt Nam; chưa có đánh giá recall riêng cho từng typology nên không tuyên bố phát hiện đủ 17 kịch bản SAML-D; chưa có A/B với chuyên viên thật và chưa tích hợp core banking ở production; FIN-07 dừng ở hồ sơ sẵn sàng điều tra, chuyên viên quyết định escalate và việc báo cáo STR theo quy trình của tổ chức. Nguồn dẫn: BIS Innovation Hub Project Aurora; Bộ Công an — Hà Tĩnh 2026, Nghệ An 2026, Đồng Nai 2025 (dẫn để minh hoạ cấu trúc mạng lưới, FIN-07 không chạy trên dữ liệu các vụ án này).