อ.ปริญญา หอมเอนก เผยเส้นทางเงินสกปรกและกลไกการฟอกเงิน พร้อมเสนอแนะมาตรการรับมือเชิงรุกที่รัฐควรเร่งมือ เพื่อไม่ให้ประเทศไทยตกเป็นแหล่งปฏิบัติการแก๊งสแกมเมอร์
อ.ปริญญา หอมเอนก ผู้เชี่ยวชาญด้านความมั่นคงไซเบอร์และประธาน/ผู้ก่อตั้งบริษัท บริษัท เอซิส โปรเฟสชั่นนัล เซ็นเตอร์ จำกัด และบริษัท ไซเบอร์ตรอน จำกัด เผยเส้นทางของเงินสกปรก (Dirty Money) และกลไกการฟอกเงิน (Money Laundering) ของแก๊งสแกมเมอร์ โดยเน้นที่การเคลื่อนย้ายกิจกรรมผิดกฎหมายเข้าสู่ประเทศไทย
ปัญหาแก๊งสแกมเมอร์ระดับโลก
การปราบปรามแก๊งสแกมเมอร์ข้ามชาติเริ่มขึ้นจาก รายงานของ UNODC (United Nations Office on Drugs and Crime Report) ซึ่งระบุว่าศูนย์กลางของการทุจริตในระยะแรกอยู่ที่ประเทศกัมพูชา การดำเนินการเชิงรุกจากต่างประเทศปรากฏชัดเจนเมื่อ กระทรวงยุติธรรมแห่งสหรัฐอเมริกา ได้ประกาศยึดทรัพย์สินจากกลุ่มองค์กรอาชญากรรมขนาดใหญ่ เช่น เฉิน จื้อ ปริ้น กรุ๊ป (Chen Zhi Prince Group) โดยเฉพาะการยึดเงินที่ผิดกฎหมาย (เงินดำ) ซึ่งมีมูลค่าสูงถึง 15,000 ล้านดอลลาร์สหรัฐ ผ่านการฟอกในรูปแบบ Bitcoin
เหตุผลที่สหรัฐฯ เอาจริงเอาจังเนื่องจากพลเมืองอเมริกันถูกหลอกลวงเป็นมูลค่ามหาศาลเป็นหมื่นเป็นแสนล้าน ดอลลาร์ ปัจจุบันโลกกำลังบีบคั้นให้แก๊งเหล่านี้ไม่สามารถปฏิบัติการได้อย่างเสรีในกัมพูชา และมีรายงานที่น่ากังวลว่ากิจกรรมของแก๊งสแกมเมอร์เหล่านี้ กำลังเคลื่อนย้ายทะลักเข้ามาในประเทศไทย โดยอาจตั้งฐานปฏิบัติการในพื้นที่อย่างรัชดาหรือลาดพร้าว ซึ่งถือเป็นโอกาสทองของทางการไทยในการเข้ากวาดล้าง เนื่องจากขณะนี้พวกเขากำลัง “แตกรัง” และเข้ามาอยู่ในแผ่นดินไทย
เส้นทางเงินสกปรกและกลไกการฟอกเงิน
เงินดำ (Dirty Money) ที่จำเป็นต้องฟอกมาจากแหล่งที่มาหลักๆ คือ 1) เว็บพนัน เนื่องจากในประเทศไทยไม่ถูกกฎหมาย 2) การค้ายาเสพติด และ 3) การหลอกลวงคนทั่วโลก โดยเฉพาะจากแก๊งสแกมเมอร์ ซึ่งมีขนาดความเสียหายที่ใหญ่กว่าเว็บพนันมาก (อาจสูงถึงล้านล้านบาท เมื่อเทียบกับแสนกว่าล้านบาทที่หลอกคนไทยในช่วง 3 ปีที่ผ่านมา)
กระบวนการฟอกเงินถูกแบ่งออกเป็น 2 ส่วนหลัก ได้แก่:
1. On Ramp (ออน แรมป์): คือช่วงที่เงินสกปรกไหลเข้าสู่ระบบการเงิน โดยเริ่มจากเหยื่อโอนเงินให้แก๊งสแกมเมอร์ผ่าน บัญชีม้า ซึ่งถือเป็นช่องโหว่แรกที่โจรใช้ในการเปิดบัญชีธนาคาร
2. Off Ramp (ออฟ แรมป์): คือช่วงที่เงินดำถูกฟอกจนกลายเป็นเงินขาว และถูกนำออกมาใช้ในรูปแบบที่ถูกกฎหมาย
เมื่อเงินเข้าสู่ระบบแล้ว จะมีการทำ Layering (การซับซ้อนเส้นทางเงิน) โดยการโอนเงินกระโดดไปหลายทอดผ่านธนาคารหลายแห่ง ก่อนจะวกเข้าสู่สกุลเงินดิจิทัล (Crypto) ซึ่งร้อยทั้งร้อยมักจะไปจบที่คริปโตฯ เนื่องจากคริปโตฯไม่มีเลขบัญชีบุคคล ทำให้ติดตามยากกว่า
โดยแก๊งอาชญากรรมมักใช้เทคนิค Mixer (คริปโตฯ มิกเซอร์) ซึ่งเป็นการกระจายและผสม (Split and Mix) Address (ที่อยู่กระเป๋าเงินดิจิทัล) ให้ปะปนกันจนยากต่อการติดตาม อย่างไรก็ตาม ในที่สุดคริปโตฯ ก็ต้องถูกนำออกมาเป็นเงินปกติ (Off Ramp) เพื่อนำไปใช้จ่าย เช่น การไปถอนเงินสดที่ตู้ ATM ซึ่งจุดนี้เป็นจุดที่ตำรวจสามารถดักรอจับกุมได้
ช่องโหว่ของระบบและการป้องกัน
ช่องโหว่ที่ทำให้แก๊งอาชญากรรมประสบความสำเร็จมีหลายด้าน ได้แก่
• การเปิดบัญชีม้า: ก่อนหน้านี้การเปิดบัญชีง่ายเกินไป และไม่มีการตรวจสอบ KYC (Know Your Customer) ที่เข้มงวดเพียงพอ ทำให้โจรสามารถจ้างคนชายขอบหรือคนต่างชาติ (โดยเฉพาะชาวกัมพูชา พม่า รัสเซีย หรือจีน) มาเปิดบัญชีได้ง่าย ปัจจุบันจึงต้องมีการยกระดับการตรวจสอบเป็น CDD (Customer Due Diligence) และ EDD (Enhanced Due Diligence) ตามกฎเกณฑ์ของ ปปง. (สำนักงานป้องกันและปราบปรามการฟอกเงิน)
• ช่องโหว่ในระบบโทรคมนาคม (Telco): แก๊งอาชญากรรมมีการซื้อซิมการ์ดจำนวนมากเพื่อนำไปใส่ในอุปกรณ์ SIM Block (กล่องที่บรรจุซิมได้ 400 ซิม) เพื่อใช้โทรศัพท์หลอกลวง ผู้ให้บริการโทรคมนาคม (TELCO) ควรต้องสามารถตรวจจับความผิดปกตินี้ได้ตั้งแต่ขั้นตอนการซื้อซิม
• การละเมิดความเป็นส่วนตัว (Privacy): โปรแกรมและแอปพลิเคชันต่างๆ (เช่น Line, Facebook, แอปธนาคาร) มักจะขอสิทธิ์เข้าถึง Contact (รายชื่อผู้ติดต่อ) และ Photo (รูปภาพ) ของผู้ใช้งาน ซึ่งหากผู้ใช้ยินยอมโดยไม่ระมัดระวัง ข้อมูลส่วนตัวจะถูกดูดออกไป ข้อมูลเหล่านี้จะถูกนำไปขายหรือแชร์ระหว่างบริษัทอาชญากรรม และนำไปใช้สร้างสตอรี่เพื่อหลอกลวงเหยื่อ
การตรวจจับด้วยเทคโนโลยีและธงแดง (Red Flags)
ปัจจุบันธนาคารกลางหรือแบงก์ชาติ กำลังดำเนินการใช้เทคโนโลยีและกฎระเบียบที่เข้มงวดขึ้น เพื่อตรวจจับและป้องกันการฟอกเงิน โดยใช้เทคนิค ดังนี้
• Customer Profiling คือการใช้ AI และ Fraud Detection (การตรวจจับการทุจริต) เพื่อทำความเข้าใจพฤติกรรมการใช้จ่ายและโอนเงินของลูกค้าแต่ละคน เพื่อหาความผิดปกติ
• Machine Learning เป็นเทคโนโลยีที่ใช้ในการเรียนรู้และตรวจจับแพทเทิร์น หรือรูปแบบที่ซ้ำๆ หรือผิดปกติจากสถิติ หากมีธุรกรรมที่เบี่ยงเบนไปจากพฤติกรรมปกติ (เช่น อยู่ ๆ มีการโอนเงินจำนวนมาก) ระบบจะแจ้งเตือนอย่างไรก็ตาม หากระบบเข้มงวดเกินไปอาจทำให้เกิดปัญหาการแจ้งเตือนผิดพลาด
• Deep Learning และ Generative AI เป็นเทคโนโลยีที่เหนือกว่า Machine Learning ที่สามารถวิเคราะห์เส้นทางการเงินย้อนหลังได้หลายปี ธนาคารจะรู้ข้อมูลการเงินของลูกค้าอย่างละเอียดที่สุด รวมถึงแหล่งที่มาที่ไปของเงิน
นอกจากนี้ อ.ปริญญา ได้กล่าวถึง Red Flag (ธงแดง) ซึ่งเป็นสัญญาณบ่งชี้ความผิดปกติที่อาจเกี่ยวข้องกับการฟอกเงิน ดังนี้
1. ธุรกรรมขาเข้า-ขาออกสูงมาก ในบัญชีที่เพิ่งเปิดใหม่ และไม่สอดคล้องกับมูลค่าการหมุนเวียนปกติ
2. ธุรกรรมซ้ำๆ ที่ใกล้เคียงกัน เช่น การโอนเงินย่อยๆ หลายครั้งเพื่อหลีกเลี่ยงลิมิตการสแกนหน้า หรือลิมิตของ ปปง.
3. การรับชำระและจ่ายเงินให้บุคคลที่สามหลายราย ในช่วงเวลาสั้น โดยไม่มีธุรกิจเกี่ยวข้องกัน
4. ข้อมูล KYC ไม่สอดคล้องกับอาชีพ เช่น รายได้ไม่สมเหตุสมผลกับอาชีพ
5. การโยกเงินไปเกี่ยวข้องกับธุรกิจเทาๆ เช่น คาสิโน หรือการโอนเงินข้ามประเทศถี่ผิดปกติ
กลไกการฟอกเงินเป็นทรัพย์สินขาวและข้อจำกัด
หลังจากเงินสกปรกถูกฟอกผ่านคริปโตฯ แล้ว มันจะถูกนำมาปนกับธุรกิจที่เรียกว่า Cash Rich หรือธุรกิจที่หมุนเวียนเงินสดจำนวนมาก เพื่อให้เงินดำกลายเป็นเงินที่บริสุทธิ์ ธุรกิจที่ถูกใช้เป็นแหล่งฟอกเงิน ได้แก่ ทองคำ บ่อน/คาสิโน ที่ถูกกฎหมาย ร้านอาหาร หรือธุรกิจค้าปลีกที่มีรายได้สูง มูลนิธิ โดยอ้างว่าเป็นการบริจาค ตลาดหลักทรัพย์ โดยนำเงินมาลงทุนซื้อหุ้น หรือเทคโอเวอร์บริษัทในตลาด และอสังหาริมทรัพย์ มีการซื้อบ้านหรู คอนโดราคาสูง หรือที่ดินด้วยเงินสดจำนวนมาก
ในกรณีของคริปโตฯ (เช่น Bitcoin) แม้จะมีการใช้ Blockchain ซึ่งมีความโปร่งใสสูง แต่เนื่องจาก Address หรือที่อยู่กระเป๋าเงินไม่ได้ระบุตัวตนเจ้าของทำให้โจรนิยมใช้ อย่างไรก็ตาม หากกระเป๋านั้นมีการติดต่อกับ Exchange (กระดานเทรด) ที่ต้องทำ KYC ทางการก็จะสามารถติดตามได้ ช่องโหว่ที่โจรใช้เพื่อหลีกเลี่ยง Exchange คือการซื้อขายแบบ OTC (Over the Counter) หรือการแลกเปลี่ยนโดยตรงระหว่างบุคคล
มาตรการรับมือเชิงรุกและข้อเสนอแนะ
อ.ปริญญา เสนอแนะมาตรการเชิงรุกเพื่อปราบปรามการฟอกเงินในประเทศไทย ซึ่งเป็นช่วงเวลาที่เหมาะสมเนื่องจากแก๊งอาชญากรรมกำลังย้ายฐานปฏิบัติการมายังไทย
1. บังคับใช้ Shared Responsibility Framework (SRF): กรอบความรับผิดชอบร่วมกันที่กำหนดให้ทั้งสามฝ่าย ได้แก่ เหยื่อ, ธนาคาร และ TELCO (ผู้ให้บริการโทรคมนาคม) ต้องร่วมรับผิดชอบความเสียหาย
2. ขอความร่วมมือ TELCO เพิ่มความเข้มงวด โดยให้ TELCO เข้ามามีส่วนร่วมในการตรวจจับและแจ้งเตือนความผิดปกติในการซื้อซิมจำนวนมาก หรือมีการส่ง SMS ในลักษณะ SPAM หรือ Phishing
3. ให้ความรู้แก่ประชาชน: จัดตั้งหน่วยงานเฉพาะเพื่อสร้างความตระหนักรู้ด้าน Digital Literacy (ความสามารถในการใช้สื่อดิจิทัล) และ AI Literacy
4. เสริมความแข็งแกร่งของหน่วยงานกำกับดูแล: กลต. (สำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์) ควรเพิ่มการตรวจสอบในส่วนของการฟอกเงินผ่านตลาดทุนและสินทรัพย์ดิจิทัล
5. การกวาดล้างเจ้าหน้าที่รัฐ/นักธุรกิจที่เกี่ยวข้อง: ดำเนินการอย่างจริงจังต่อผู้ที่ให้ความร่วมมือในการฟอกเงิน
เพื่อไม่ให้ประเทศไทยต้องตกเป็นแหล่งปฏิบัติการทางการเงินผิดกฎหมาย และเป็นศูนย์กลางของแก๊งสแกมเมอร์ รัฐต้องเร่งมือในการสกัดกั้นโดยด่วน
