聯繫我們

課程簡介

AI在金融犯罪中的簡介

  • 數位金融時代的詐騙與AML概覽
  • 傳統方法與AI方法的比較
  • Mastercard、JPMorgan及全球銀行的案例研究

交易監控的機器學習

  • 監督式學習用於風險評分與分類
  • 非監督式學習用於異常偵測
  • 即時警示產生與串流處理

圖形分析與網路風險偵測

  • 建立實體與交易之間的關係模型
  • 運用圖形AI偵測複雜詐騙手法
  • 使用Neo4j或類似工具進行實作

用於AML的自然語言處理

  • 客戶盡職調查(CDD)中的文字探勘
  • 使用命名實體辨識(NER)進行觀察名單掃描
  • 基於提示的文件審查與可疑活動報告(SARs)

模型治理與可解釋性

  • 建立可解釋且可稽核的模型
  • 詐騙偵測演算法中的偏差偵測與緩解
  • 在合規環境中運用XAI技術

倫理、法規與模型風險

  • 符合AML與KYC框架(例如FATF、FinCEN、EBA)
  • 監控與客戶監管中的AI倫理
  • 報告標準與法規稽核性

部署策略與未來趨勢

  • 將AI模型整合至現有交易系統
  • 回饋迴圈與模型更新機制
  • 生成式AI在詐騙調查與SAR自動化中的未來

總結與後續步驟

最低要求

  • 了解詐騙風險與AML程序
  • 具備資料分析或合規報告經驗
  • 熟悉Python或分析平台的基本操作

目標學員

  • 詐騙風險專業人士
  • AML合規團隊
  • 安全經理
 14 小時

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類