人工智能:银行如何使用AI捕捉罪犯并发现偏见_ENB

想象一下一种算法，该算法每秒检查数千个金融交易并标记欺诈交易。由于近年来人工智能的发展，这已经成为可能，对于充斥着大量日常交易以及对抗金融犯罪，，金融融资的挑战越来越大的银行来说，这是一个非常有吸引力的价值主张。恐怖主义和腐败。

但是，人工智能的好处并不是完全免费的。使用AI来侦查和预防犯罪的公司还面临着新的挑战，例如算法偏差，当AI算法导致一组特定性别，种族或宗教的系统性劣势时，就会发生此问题。在过去的几年中，算法偏差没有得到很好的控制，从而损害了使用它的公司的声誉。时刻警惕这种偏见的存在是非常重要的。

例如，在2019年，运行Apple信用卡的算法被发现偏向女性，这导致对该公司的公关反应强烈。在2018年，亚马逊不得不关闭由AI驱动的招聘工具，该工具也显示出对女性的偏见。

德国第二大银行DZ Bank正在开发数字资产托管解决方案:10月8日消息，德国资产规模第二大的银行 DZ Bank 正在开发数字资产托管解决方案，该解决方案可以同时处理对加密货币及对数字金融工具的需求。该银行正在任命一名顾问来帮助实施该解决方案并协助获得 BaFin 监管部门的批准。在这个阶段，它不打算与其中一家加密托管技术公司合作，但打算开发自己的产品。

在证券结算方面，DZ Bank 希望看到欧洲央行在批发央行数字货币 (CBDC) 方面取得进展，以实现分布式账本 (DLT) 交易的结算。（Ledger Insights）[2022/10/8 12:49:32]

银行面临着类似的挑战，这就是他们如何在避免陷阱的同时利用人工智能打击金融犯罪。

声音 | 埃及国民银行主席：加入RippleNet将提振NBE流动性管理和外币资产:埃及国民银行（NBE）宣布加入RippleNet网络，媒体分析此举实际上是希望进入新市场，特别是扩展其在海湾地区的汇款业务。NBE主席Dalia El-Baz表示，他预计RippleNet将呈指数增长，从而提振该机构的流动性管理和外币资产。在获得更快、更高效的跨境支付机制方面，国家银行希望扩大其客户群，同时确保用户完全遵守国际保险标准，并在区块链上实现高水平的运营网络安全。（CoinTelegraph）[2020/2/12]

抓the徒

打击金融犯罪涉及监视许多交易。例如，总部位于荷兰的荷兰银行目前约有3400名员工，从事筛选和监控交易。

动态 | 阿尔法银行利用Waves企业区块链平台 推出区块链流动性管理服务:据Cointelegraph 9月12日消息，俄罗斯阿尔法银行和X5 Retail Group合作在俄罗斯推出区块链流动性管理服务即分布式财务和现金管理服务（DTCM），使其银行客户可以管理其存款、贷款及产品和内部流动性。据悉，DTCM托管在Waves企业区块链平台上，并采用智能合约。[2019/9/12]

传统的监视依赖于基于规则的系统，该系统是严格的，并且不包括许多新出现的金融威胁，例如恐怖主义融资，非法贩运以及野生动植物和医疗保健欺诈。同时，它们会产生许多误报，被标记为可疑的合法交易。这使得分析师很难跟上大量的数据。

这是AI算法可以提供帮助的主要领域。可以训练AI算法来检测异常值，偏离客户正常行为的交易。由MalouvandenBerg领导的荷兰银行创新与设计部门的数据科学团队构建了有助于在金融交易中发现未知因素的模型。

动态 | 美国银行聘请Ripple的前雇员担任数字团队负责人:据ethereumworldnews消息，美国银行宣布，已聘请了Ripple的前雇员Derek White领导其新的数字团队，他将负责美国银行的数字产品创新何开发。分析认为，这或有利于美国银行采用Ripple技术和XRP进行跨境交易。[2019/4/16]

该团队在发现欺诈性交易并减少误报方面非常成功。“我们还看到了以前从未见过的模式和事物，”范德伯格解释说。

这些算法代替静态规则，可以适应客户不断变化的习惯，还可以检测随着财务模式逐渐变化而出现的新威胁。

“如果我们的AI将交易标记为偏离客户的正常模式，我们会找出原因。根据可用信息，我们检查交易是否偏离客户的正常模式。如果调查不能明确说明付款方式，我们可以向客户查询。”vandenBerg说。

荷兰银行使用无监督机器学习，这是AI的一个分支，可以查看大量未标记的数据并找到可以暗示安全和可疑交易的相关模式。无监督机器学习可以帮助创建动态的金融犯罪检测系统。但是，像其他AI分支一样，无监督的机器学习模型也可能会形成隐藏的偏见，如果处理不当，可能会造成不必要的伤害。

消除不必要的偏见

银行的数据科学和分析团队必须找到合适的平衡点，在这些平衡点上，他们的AI算法可以在不侵犯任何人权利的情况下找出欺诈性交易。人工智能系统的开发人员要确保在模型中避免包含问题变量，例如性别，种族和种族。但是问题在于，其他信息可以充当相同元素的代理，而AI科学家必须确保这些代理不会影响其算法的决策。例如，就亚马逊有缺陷的聘用算法而言，虽然在聘用决策中并未明确考虑性别，但该算法已学会将负分与履历表与女性名字或诸如“国际象棋俱乐部”之类的词联系起来。

“例如，当使用人工智能技术来识别涉嫌犯罪活动的客户时，必须首先证明该人工智能在敏感特征方面公平对待所有客户，”范登伯格说。

范登伯格团队的数据科学家LarsHaringa解释说：“构建AI模型的数据科学家不仅需要证明模型的性能，而且还要从伦理上证明其影响。这意味着在模型投入生产之前，数据科学家必须确保遵守有关隐私，公平和偏见的规定。一个例子就是通过建立统计保障措施来确保员工不会因使用AI系统而产生偏见，以确保通过AI工具为员工提供无偏见的选择。”

负责事务监视分析结果的部门还负责公平对待。只有当他们接受工作并由数据科学家进行分析时，该模型才能用于客户数据的生产中。

荷兰银行的交易监控团队会预先衡量潜在的偏差，并定期预防这些负面影响。“在ABNAMRO，数据科学家与法律和隐私部门合作，以确保保护客户和员工的权利，”范德伯格对TNW说。

平衡合作

公司使用AI算法面临的挑战之一是确定要披露多少有关AI的细节。一方面，公司希望充分利用算法和技术上的联合工作，而另一方面，他们希望阻止恶意参与者对其进行游戏。他们还有保护客户数据的法律责任。

“与银行中的所有其他模型一样，为了保护算法有效性，模型批准中有几个关键的利益相关者：除了模型发起者和开发者之外，还有模型验证，合规性，法律，隐私权和审计，”范德伯格说。“这是所有银行的标准做法。”

范德伯格说，荷兰银行并未公布其反犯罪工作的细节，但这里有着浓厚的知识共享文化，各个部门将各自的算法和技术交织在一起以取得更好的效果。但是同时，对客户数据和统计信息的使用也有严格的限制。荷兰银行还与其他具有相同限制的银行共享知识。在需要共享数据的地方，对数据进行匿名处理，以确保不会向外部方透露客户身份。

像许多其他部门一样，银行业正在通过人工智能进行重新发明和重新定义。随着金融犯罪分子的方法和策略变得越来越复杂，银行家将需要他们所能获得的所有帮助，以保护其客户和声誉。在尊重所有客户权利的智能反金融犯罪技术方面，全行业的合作可以成为全球银行家最好的盟友之一。

标签：人工智能亚马逊ENBBER学人工智能后悔死了亚马逊币目前价格WENB币Dobermann Token

SAND热门资讯