洗钱是一个金融欺诈的方法独特的AI什么供应商和其他解决方案供应商是指在自己的“欺诈检测”的产品。这是因为该技术制作上看似由两个愿同各方进行验证诈骗汇款中心。
取而代之的是，骗子可以尝试接管银行不知情的客户或客户的账户，并直接向他们转账。然而，人工智能和其他技术在不断发展和改进的同时，骗子们也在试图寻找新的犯罪方式。
在本文中，我们提供了两个支持ai的反洗钱解决方案示例。这两家公司都声称他们的软件可以降低误报率。我们解释的反洗黑钱软件解决方案包括:
- Ayasdi AML：Ayasdi的异常检测为基础的解决方案，可以识别客户行为的变化，并分析它们与欺骗性的资金转移模式。
- SAS反洗钱：这可能在他们的数据仓库平台来构建SAS的解决方案，以便于从多个来源的数据传输。
我们开始了与Ayasdi目前提供这些反洗钱解决方案的说明。
Ayasdi的反洗钱解决方案
Ayasdi是一个供应商，提供了一个反洗钱解决方案，银行，金融机构和卫生保健公司。本软件是可以检测客户行为偏差的AI异常检测中的应用。
它据称分析参与交易，以确保客户心甘情愿地进行支付，以合法的公司或个人，同时减少可能与传统的欺诈检测方法进行检测的误报每个实体。
误报可能导致反洗钱警报小组的其他成员需要做更多的工作。个别银行可能不需要一个完美的假阳性率。然而，对供应商来说，提供一种能够区分合法的欺诈性付款和虚假的合法付款的服务是最有利的。
Ayasdi声称他们的解决方案可以通过识别客户行为的骗保方式做到这一点，因为他们随着时间的发展。Ayasdi AML包含五大核心功能：
- 汽车功能工程:检测交易和客户行为中的数据点具有高潜在的欺诈可能性。
- 智能分割：基准测试基于客户端的客户群的交易历史和实时行为的某些行为模式。
- 行为透视：跟踪客户日常行为的变化，以及哪些客户偏差最大。
- 智能事件分流：确定客户行为给定的偏差是可以接受的，或者需要进一步调查。
- 语境警报信息：自动提供正确的信息，允许人类员工升级警报到调查人员。
下面来自Ayasdi的图表描述了通过每个功能的数据流，以便为客户提供准确的结果。我们的读者可能会发现，在阅读每一种能力的时候，回顾这张图表是很有帮助的，以便更好地理解它们是如何联系在一起的:
第一Ayasdi AML的核心能力是汽车功能的工程是寻找潜在的洗钱尝试的核心功能。
自动特征工程
Ayasdi的自动功能工程工具使反洗钱解决方案认识到，可能被认为与欺诈有关的异常交易数据方面，但在更精细的规模。这样做是让软件可以完全识别的交易数据可能有害模式和不能接受的偏差。这些类型的模式可以作为洗钱的早期指标，而有些客户可能认为必须跟踪他们，因为他们出现。
智能分割
智能分割是探索如何划分客户群的另一种方式，这样机器学习模型就可以一次分析大量数据。这是通过根据每个客户的典型行为的偏离率来创建客户行为的阈值来实现的。
每个阈值具有不同的优先级，这使得客户公司可以优先关注那些最先发现偏差最大的帐户。Ayasdi声称这也可以帮助他们的客户减少误报，因为更具体的客户细分可以导致更彻底的分析。
下面是Ayasdi另一个图形展示了如何更典型的客户细分工具可能产生个人的不均匀群体。这意味着每个阈值必须被设定为比客户端知道下是必要的，这导致较少的准确的结果和更误报：
行为的见解
行为见解是Ayasdi AML统计表，其中在所有的交易数据产生的任何变化，每天列出了客户行为的分析部分。
行为指标可能包括每个客户从他们的正常行为在多大程度上偏离随着时间的推移，或怎么说率比较其他客户。这种比较可以扩大到仅覆盖客户在同一网段或可提交到整个客户群。
使用行为的见解界面，分析师可以组织出基于多少他们的模式已经改变了行为偏差交易。他们还可以根据每笔交易价值多少和比较，为乖离率进行整理。
这可能有助于用户接近个人的洗钱企图为一个可以跟踪美元数额为他们上升随着交易的上升与新的或可疑的实体。
智能事件分流
Ayasdi AML附带一个事件分类工具，该工具允许识别最重要的信息，以便调查人员在未来使用或分析。据称，与其他解决方案相比，这种方法从事务性数据中提取的事件量更少。也就是说，这些结果被用来发现洗钱或指示性行为的几率更高。
语境警报信息
洗钱调查人员需要对警报足够的情况下，为了能够追查威胁。如果没有数据，可以作为在欺诈交易企图的证据，调查员将无法找到相关的起点做好自己的工作。这些信息可能包括ID号和受影响的帐户的帐户历史记录，以及发生警报的确切时间。
Ayasdi声称他们的解决方案提供了这样的环境，这也使他们能够更快地做出决定。据称，每个警报都带有一个可视的行为模式表示，解决方案将其标记为可疑的。该公司还声称，该软件提供了有关这种可疑行为的相关数据，以便调查人员有审计线索。
成功使用Ayasdi AML的证据
代理行
根据案例研究通过Ayasdi的网站，该公司帮助一家代理行采用了他们的反洗钱解决方案。世界银行最初的目标是将制止洗钱的效率提高3-5%。也就是说，他们还需要适应一个人工智能解决方案，这是一个更复杂的用户体验，而不是他们以前的手动操作。
Ayasdi与他们的客户一起分析通过银行代码，或SWIFT报文发送的财务信息，这是与他们的客户的交易。该公司声称，数据的这种额外源帮助银行寻找新的交易标准来分析，如交易数据，地理数据和时间序列数据的特定属性。所有这一切也使得它更容易定制的客户群。
案例研究指出代理行由20％减少了所需的人力调查的数量进行洗钱。最初的合作是八周的过程，需要两个数据科学家与Ayasdi项目经理的工作。
从银行两个领域的专家出席，他们建议对个别银行的问题Ayasdi人员其中最有可能的手段。客户银行据称与Ayasdi的解决方案向前移动，并在其整个企业中使用它。
汇丰银行的案例研究
汇丰银行与Ayasdi合作，采用该公司的反洗钱解决方案，我们有进行个案研究其详细描述了这个过程。根据我们的调查，Ayasdi的解决方案减少了20％误报银行的利率。此外，该行表示，新技术帮助他们识别洗钱的几种情况，以及行为模式是有直接联系的洗钱企图。
汇丰银行的IT团队与Ayasdi密切合作，使供应商可以访问他们以前的反洗钱数据。该银行的内部模型的评审团队帮助创造可能双方汇丰的数据科学家和银行家轻松读取客户的行为模式。
SAS反洗钱
SAS提供了一个反洗钱解决方案，他们声称可以使用数据源找到指向金融犯罪的发展趋势。客户端保险公司可以使用该软件来分析基于从现有系统中的数据和趋势，如CRM，另一个客户记录系统，或者是那些驱动器面向客户的Web应用程序交易。
该解决方案由伴随着多种可视化功能的仪表盘异常检测软件。
除了警报和事件报告，该软件能够可视化可以添加背景的威胁和任何相关交易或客户的行为趋势。他们从软件接收警报之前分析师可以使用这个仪表板，以检测可能的金融犯罪。
下面是SAS的图形，说明用户如何跟踪哪些帐户转移资金和这些钱去。
该“热平衡图”据称提供了与在每个实体中的资金量的变化沿时间轴的每个帐户相关联的贷方和借方的记录：
SAS的网站上列出了案例研究在他们声称已经帮助阿亚隆保险在以色列，这是该国的金融行动特别工作组的成员（FATF）。
为了保持兼容与这些新规定，阿亚隆选择了SAS作为一个平台，来锚定新的反洗钱和欺诈活动。
该项目可能是由阿亚隆以前与SAS的工作中，他们开发做出更有效地组织数据的新的数据仓库提供便利。
根据该案例研究，数千名阿亚隆的员工已经在使用SAS的数据仓库每天通过之前的反洗钱解决方案。
Ayalon表示，他们选择了SAS的新解决方案，因为它可以处理具有多个标准的高度复杂事务，以检查其有效性。他们还声称，SAS能够帮助他们在不允许实验的短时间内完成项目。
这就是说，AI供电的反洗钱解决方案通常会需要一段时间的机器学习模型，以适应每个客户的数据堆栈的特质。正因为如此，阿亚隆可能意味着软件没多久，以适应他们当前的工作流程。
标题图片来源：Investopedia
