文章目录
1.案例1：大语言模型助力打击反洗钱
1.案例1：反洗钱平台架构
AML反洗钱
- KYC
- 了解客户
- SAM
- 可疑活动监测
- WLX
- 制裁筛查
- STAR
- 可疑交易活动报告
2.案例1：反洗钱制裁筛查
3.案例1：反洗钱制裁筛查痛点
制裁名单
- 制裁名单种类多样：红通/联合国制裁名单/美国制裁名单
- 姓名格式复杂：多语言/书写格式
- 制裁名单更新频繁
交易信息
- 实体信息缺失
- 虚假实体信息
- 报文格式复杂
清单匹配
- 匹配准确率和误报率高度依赖模糊匹配算法:Jaccard相似系数,Levenshtein编辑距离,Jaro距离
- 处理多样化数据：名称变体、拼写错误、特殊字符
- 匹配拼写不同发音相似的姓氏
人工筛查
- 人工审核效率低下
- 报告编写耗时,影响用户体验
4.案例1：金融大模型自动化生成制裁实体清单
5.案例1:金融大模型增强模糊匹配能力
2.案例2：金融反欺诈中大语言模型应用
1.案例2：金融反欺诈中大语言模型应用
2.案例2：反欺诈痛点
欺诈手段
- 欺诈手段层出不穷·传统机器学习模型依赖于有限因子和图数据
作案团伙
- 手段日益复杂
- 传统聚集发现风控手段越来越难以发现作案团伙
AI攻击防范
- AIGC技术出现使得换脸换声技术成本大幅度降低传
模型性能
- 统机器学习模型依赖于结构化特征
- 结构化特征
- 挖掘有限存在大量非结构化特征等待挖掘
3.案例2：金融反欺诈中大语言模型应用
3.总结与思考
1.大模型在反洗钱系统中能够起到什么作用？
2.反欺诈手段层出不穷，大模型是如何帮助应对解决这些新的手段？
3.结合自己的业务场景，思考如何使用金融大模型在风控端赋能？