云中机器学习解决的 3 个主要 AML 问题：
目前，金融服务机构 (FSO) 正面临法规、犯罪类型，甚至自身商业产品的快速变化，但其金融犯罪侦查和分析能力仍然缺乏灵活性。随着 AML 合规成本的稳步上涨，这些综合因素给负责识别和报告可疑活动的金融调查部门 (FIU) 造成了巨大压力。市场咨询研究表明，误报率仍高达 95-97%，这已成为该行业事实上的标准。
请加入我们的讨论：
请加入我们的讨论：
- 由于误报、规则和模型管理而导致的 AML 合规成本上涨
- 需要借助数据科学和分析资源来充分利用机器学习
- 将机器学习纳入 AML 模型验证框架
- Ted Sausen | NICE Actimize，董事 — AML 主题专家
- Mike Diamond | NICE Actimize，全球数据解决方案负责人
关于 NICE Actimize
NICE Actimize 是为全球性和区域性金融机构和政府监管部门提供金融犯罪、风险和合规解决方案的供应商，为金融业内规模最大、服务范围最广的平台，一直雄踞业内榜首。NICE Actimize 的专家应用创新技术来识别金融犯罪、防范诈骗并提供监管合规，从而达到保护机构、保障消费者和投资者资产的宗旨。NICE Actimize 提供实时、跨渠道的防诈骗、反洗钱侦测和交易监测解决方案，有效解决机构普遍关注的问题，如支付诈骗、网络犯罪、制裁监测、市场滥用行为、客户尽职调查和内幕交易等。
版权所有 © 2020 Actimize Ltd. 保留所有权利。
NICE Actimize 是为全球性和区域性金融机构和政府监管部门提供金融犯罪、风险和合规解决方案的供应商，为金融业内规模最大、服务范围最广的平台，一直雄踞业内榜首。NICE Actimize 的专家应用创新技术来识别金融犯罪、防范诈骗并提供监管合规，从而达到保护机构、保障消费者和投资者资产的宗旨。NICE Actimize 提供实时、跨渠道的防诈骗、反洗钱侦测和交易监测解决方案，有效解决机构普遍关注的问题，如支付诈骗、网络犯罪、制裁监测、市场滥用行为、客户尽职调查和内幕交易等。
版权所有 © 2020 Actimize Ltd. 保留所有权利。