Kursplan

Introduksjon til AI i Financial Crime

  • Oversikt over svindel og anti-pengevaskningsprosedyrer i den digitale finansielle æra
  • Tradisjonelle vs. AI-baserte tilnærminger
  • Case studies fra Mastercard, JPMorgan og globale banker

Machine Learning for transaksjonsovervåking

  • Overvåket læring for risikovurdering og klassifisering
  • Uovervåket læring for unormalitetsdetektering
  • Realtidsvarsling og strømbehandling

Grafanalysering og nettverksrisikodetektering

  • Modellering av relasjoner mellom enheter og transaksjoner
  • Detektering av komplekse svindelordninger ved hjelp av graf AI
  • Hånd-på med Neo4j eller lignende verktøy

Naturlig språkbehandling for anti-pengevaskning

  • Tekstmining i kundedue diligence (CDD)
  • Overvåkningsliste-scan ved bruk av named entity recognition (NER)
  • Dokumentgjennomgang basert på prompts og rapporter om mistankefull aktivitet (SARs)

Modell Gostyring og forklarbarhet

  • Oppretting av forklarbare og revisjonsbare modeller
  • Oppdagelse og demping av bias i svindeldetekteringsalgoritmer
  • Bruk av XAI-teknikker i overholdelsessetninger

Etikk, regulering og modellrisiko

  • Overholdelse av anti-pengevasknings- og kundekjennskap (KYC) rammeverk (f.eks. FATF, FinCEN, EBA)
  • AI-etikk i overvåkning og kundemonitorering
  • Rapporteringsstandarder og reguleringsrevisjonsbarhet

Implementeringsstrategier og fremtidige trender

  • Integrering av AI-modeller i eksisterende transaksjonssystemer
  • Feedback-loops og modelloppdateringsmekanismer
  • Fremtiden for generativ AI i svindelsetterforskning og SAR-automatisering

Sammenfatning og neste skritt

Krav

  • Forståelse av svindelrisiko og AML-prosedyrer
  • Erfaring med dataanalyse eller samsvarsrapporting
  • Grunnleggende kjennskap til Python eller analytiske plattformer

Målgruppe

  • Svindelrisikoprofesjonelle
  • AML-samsvarsteam
  • Sikkerhetsledere
 14 timer

Antall deltakere


Pris per deltaker

Referanser (1)

Upcoming Courses

Related Categories