Kom i kontakt

Kursplan

Introduktion till AI inom finansiell brottslighet

  • Översikt över bedrägeri och AML i den digitala finansens era
  • Traditionella metoder kontra AI-baserade metoder
  • Fallstudier från Mastercard, JPMorgan och globala banker

Maskininlärning för transaktionsövervakning

  • Upplärning för riskpoängsättning och klassificering
  • Uppslösning för avvikelsedetektering
  • Generering av realtidsvarningar och strömbearbetning

Grafanalyser och upptäckt av nätverksrisker

  • Modellering av relationer mellan enheter och transaktioner
  • Upptäckt av komplexa bedrägerimönster med hjälp av graf-AI
  • Hands-on med Neo4j eller liknande verktyg

Naturligt språkprocessning för AML

  • Textgrävning i kundkontroll (CDD)
  • Skanning av kontrolllistor med hjälp av namnentitätsigenkänning (NER)
  • Promptbaserad granskning av dokument och rapporter om misstänkt aktivitet (SAR)

Modellstyrning och förklarbarhet

  • Bygga förklarbara och granskbara modeller
  • Detektering och minimering av skam i algoritmerna för bedrägerisbedömning
  • Användning av XAI-teknik i efterlevnadssammanhang

Etik, reglering och modellrisker

  • Efterlevnad av AML- och KYC-ramverk (t.ex. FATF, FinCEN, EBA)
  • AI-etik inom övervakning och kundmonitorering
  • Rapporteringsstandarder och granskbarhet inför reglering

Implementeringsstrategier och framtida trender

  • Integrering av AI-modeller i befintliga transaktionssystem
  • Feedbacklooper och mekanismer för modelluppdatering
  • Framtidens generativa AI inom undersökning av bedrägeri och automatisering av SAR

Sammanfattning och nästa steg

Krav

  • Förståelse för bedrägeririsk och rutiner för penningtvätt (AML)
  • Erfarenhet av dataanalys eller rapportering av efterlevnad
  • Grundläggande kunskap i Python eller plattformar för analys

Målgrupp

  • Specialister inom bedrägeririsk
  • Team för efterlevnad av AML-regler
  • Säkerhetschefer
 14 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier