Plan du cours

Introduction à l'IA dans Financial Crime

  • Aperçu de la fraude et du BLA (Blanchiment d'Argent) dans l'ère de la finance numérique
  • Approches traditionnelles vs basées sur l'IA
  • Cas d'études provenant de Mastercard, JPMorgan et des banques mondiales

Machine Learning pour le suivi des transactions

  • Apprentissage supervisé pour la notation du risque et la classification
  • Apprentissage non supervisé pour la détection d'anomalies
  • Génération en temps réel d'alertes et de traitement de flux

Analyse graphique et détection des risques réseau

  • Modélisation des relations entre entités et transactions
  • Détection de schémas frauduleux complexes à l'aide d'IA basée sur les graphes
  • Travail pratique avec Neo4j ou outils similaires

Traitement du langage naturel pour le BLA (Blanchiment d'Argent)

  • Mining textuel dans la connaissance client (CDD)
  • Détection des listes de surveillance à l'aide de la reconnaissance d’entités nommées (NER)
  • Vérification documentaire basée sur les prompts et rapports d'activité suspecte (SARs)

Gouvernance et explication des modèles Go

  • Construction de modèles explicables et auditables
  • Détection et atténuation du biais dans les algorithmes de détection de fraude
  • Utilisation de techniques XAI dans le cadre des normes de conformité

Ethique, réglementation et risques modélisés

  • Conformité aux cadres AML et KYC (par exemple FATF, FinCEN, EBA)
  • Ethique de l'IA dans le cadre du contrôle des clients et de la surveillance
  • Normes de rapportage et auditabilité réglementaire

Stratégies de déploiement et tendances futures

  • Intégration des modèles IA dans les systèmes de transaction existants
  • Boucles de retour et mécanismes d'actualisation du modèle
  • Avenir de l'IA générative dans l'enquête sur la fraude et l'automatisation SAR

Résumé et prochaines étapes

Pré requis

  • Une compréhension des risques de fraude et des procédures AML
  • Expérience en analyse de données ou en rapport de conformité
  • Familiarité de base avec Python ou plateformes d'analyse

Audience

  • Professionnels des risques de fraude
  • Équipes de conformité AML
  • Gestionnaires de la sécurité
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires