AML AI 的核心是详细、最新的理解 具体客户：
- 受众特征
- 账号所持有资产
- 事务性活动
- 交易图表
- 风险调查活动
本页面介绍了如何创建和管理以下各项： AML AI，包括数据模型、数据架构和 AML 的数据要求架构本身，包括 每个字段都显示在 AML 输入数据模型中， （CSV 文件）。
本页面不涵盖以下前提条件：
- 设置以将 AML AI 与 AML 数据集搭配使用（请参阅 设置项目和权限）
- 安全性与合规性主题（请参阅 为模型和风险治理做好准备）
数据要求概览
AML 数据模型结合了有关零售和商业方、 客户和交易，以及与 Google Cloud 服务相关的风险案例的详细信息 相关方。本部分介绍了数据模型的重要方面， 在不同实体间都有效
AML 数据模型架构分为三个方面：核心银行数据、风险 调查数据和补充数据。
核心银行数据
- 表格：Party、AccountPartyLink、 交易
- 用途：作为客户数据的结构化集合， 其银行业务活动，用于检测风险特征和 行为
风险调查数据
- 表格：RiskCaseEvent
- 目的：
- 充当风险调查数据的结构化集合 先前被认定为有风险的流程和各方
- 协助为 AML 风险模型创建训练标签
补充数据
- 表：PartySupplementaryData
- 用途：包含与识别资金相关的其他信息 架构的其余部分未涵盖的洗钱风险
如需了解详情，请参阅 AML 输入数据模型 （CSV 文件）。准备好表格后 使用 AML AI 创建和管理数据集。
错误
创建数据集时，您可能会遇到一个或多个数据验证 错误。如需了解如何修正这些错误，请参阅 数据验证错误。