聯繫我們

課程簡介

金融犯罪中的 AI 簡介

  • 數位金融時代的詐騙和 AML 概述
  • 傳統方法與基於 AI 的方法對比
  • Mastercard、JPMorgan 及全球銀行的案例研究

用於交易監控的機器學習

  • 用於風險評分和分類監督學習
  • 用於異常檢測的非監督學習
  • 實時警報生成和流處理

圖譜分析與網絡風險偵測

  • 實體間關係及交易建模
  • 利用圖譜 AI 偵測複雜詐騙模式
  • 實作使用 Neo4j 或類似工具

AML 的自然語言處理

  • 客戶盡職調查 (CDD) 中的文本挖掘
  • 使用命名實體識別 (NER) 進行監視列表掃描
  • 基於提示的文檔審查和可疑活動報告 (SARs)

模型治理與可解釋性

  • 構建可解釋且可審計的模型
  • 在詐騙偵測算法中的偏差檢測與減輕
  • XAI 技術在合規場景中的應用

倫理、監管與模型風險

  • 符合 AML 和 KYC 框架 (例如 FATF, FinCEN, EBA)
  • 監控與客戶監測中的 AI 倫理
  • 報告標準與監管可審計性

部署策略與未來趨勢

  • 將 AI 模型整合到現有交易系統中
  • 反饋迴路和模型更新機制
  • 生成式 AI 在詐騙調查和 SAR 自動化中的未來

總結與後續步驟

最低要求

  • 對詐騙風險和 AML 程序的理解
  • 數據分析或合規報告的經驗
  • 具備 Python 或分析平台的基本熟悉度

受眾對象

  • 詐騙風險專業人員
  • AML 合規團隊
  • 安全管理者
 14 小時

客戶評論 (1)

課程分類