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 anomaliupptäckt
  • Real-tidsvarning och strömbehandling

Grafanalys och upptäckt av nätverksrisker

  • Modellering av relationer mellan entiteter och transaktioner
  • Upptäckt av komplexa bedrägeriplaner med graf-AI
  • Praktiskt arbete med Neo4j eller liknande verktyg

Naturlig språkbehandling för AML

  • Textmining i kunddundering (CDD)
  • Watchlist-sökning med hjälp av namnuppfattning (NER)
  • Dokumentgranskning baserat på uppmaningar och misstänkta aktivitetsrapporter (SARs)

Modell Go styre och förklarbarhet

  • Byggande av förklarliga och granskningsbara modeller
  • Upptäckt och minskning av bias i bedrägeriupptäckningsalgoritmer
  • Användning av XAI-tekniker i övervakningssammanhang

Etik, reglering och modellrisk

  • Efterlevnad av AML- och KYC-ramverk (t.ex. FATF, FinCEN, EBA)
  • AI-etik i övervakning och kundövervakning
  • Rapporteringsstandarder och regelbunden granskbarhet

Implementeringsstrategier och framtida trender

  • Integration av AI-modeller i befintliga transaktionssystem
  • Återkopplingsmekanismer och modelluppdateringsmekanismer
  • Framtiden för generativ AI i bedrägeriutredningar och automatisering av SAR

Sammanfattning och nästa steg

Krav

  • Förståelse för bedrägeririsk och AML-procedurer
  • Erfarenhet av dataanalys eller compliance-rapportering
  • Grundläggande kännedom om Python eller analysplattformar

Målgrupp

  • Bedrägeririskprofessionella
  • AML-complianceteam
  • Säkerhetschefer
 14 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier