Credit Suisse의 금융 범죄 규정 준수 규제 규제 규제 전략 인 Sarah Runge는 이번 주 FRT 에피소드에 합류하여 자금 세탁 방지 및 테러 금융에 대응하는 데 기계 학습을 적용하는 이점과 과제에 대해 논의합니다 (AML/CTF).

Sarah는 슬롯 사이트 범죄에 대한 방어 메커니즘을 강화하기 위해 향상된 분석이 보유한 잠재력을 강조합니다. 오늘날의 틀과 관행은 더 큰 그림을 잃을 수있는 비 효율성으로 이어집니다. 그러나 우리는 또한 기술이 슬롯 사이트 기관의 보호 조치에서 인적 요소와 경계를 대체 할 수없는 방법을 탐구합니다. 그것은 분석가들에게 권한을 부여하고 그들의 관심이 가장 필요한 경우에 그들의 자원을 집중시키는 방법으로 여겨 져야한다..

우리는 또한 이러한 기술을 구현하려고 할 때 기관이 직면 한 도전에 뛰어 들었습니다. 첫 번째는 레거시 시스템의 데이터 통합 ​​문제, 특히 지구 환경에서 운영되는 회사의 경우 슬롯 사이트 범죄 예방에 대한 성공적인 이니셔티브의 핵심입니다. 그러나 글로벌 슬롯 사이트 기관의 주요 과제는 데이터 공유의 과제입니다. 관할 구역의 다양한 규칙은 회사에 중대한 위험과 슬롯 사이트 시스템의 무결성을 초래할 수 있습니다. 마지막으로, 우리는 또한 글로벌 프레임 워크의 구현 및 실행이 이러한 문제를 해결할 수있는 기회가 될 수있는 방법에 대해 논의합니다.

우리는 Sarah가 우리와 함께 하고이 중요한 주제에 슬롯 사이트 그녀의 전문 지식을 공유하는 데 동의해 주셔서 감사합니다.슬롯 추천 세탁 방지의 머신 러닝> 국제 슬롯 추천 연구소.