Kursplan

Introduktion till AI i Financial Crime

  • Översikt över bedrägeri och AML i den digitala finansiella eran
  • Traditionella vs AI-baserade tillvägagångssätt
  • Fallstudier från Mastercard, JPMorgan och globala banker

Machine Learning för Transaktionsövervakning

  • Övervakad inlärning för riskbedömning och klassificering
  • Oövervakad inlärning för upptäckt av anomalier
  • Generering av realtidsvarningar och strömbehandling

Grafanalys och Detektion av Nätverksrisker

  • Modellering av relationer mellan entiteter och transaktioner
  • Upptäckt av komplexa bedrägeriplaner med graf AI
  • Praktisk övning med Neo4j eller liknande verktyg

Naturlig språkanalys för AML

  • Textmining i kundens due diligence (CDD)
  • Övervakningslistor med hjälp av named entity recognition (NER)
  • Promptbaserad dokumentgranskning och rapporter om misstänkta aktiviteter (SARs)

Modell Go styrning och Förklarbarhet

  • Byggande av förklarbara och granskbara modeller
  • Upptäckt och åtgärd av bias i bedrägeridetektionsalgoritmer
  • Användning av XAI-tekniker i sammanhang för överensstämmelse

Etik, Reglering och Modellrisk

  • Överensstämmelse med AML och KYC-ramverk (t.ex. FATF, FinCEN, EBA)
  • AI-etik i övervakning och kundövervakning
  • Rapporteringsstandarder och möjlighet till regleringsgranskning

Strategier för Distribution och Framtida Trender

  • Integration av AI-modeller i befintliga transaktionssystem
  • Feedback-loopar och mekanismer för modelluppdatering
  • Framtiden för generativ AI i bedrägeriuppföljning och automatisering av SAR

Sammanfattning och Nästa Steg

Krav

  • Förståelse för bedrägeririsk och AML-procedurer
  • Erfarenhet av dataanalys eller samtyckesrapportering
  • Grundläggande kännedom om Python eller analytiska plattformar

Målgrupp

  • Bedrägeririskprofessionella
  • AML-samtyckesteam
  • Säkerhetschefer
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier