Cette page décrit les résultats de prédiction résultant de la requête de résultats de prédiction à partir d'AML AI.
Pour en savoir plus sur le schéma et les champs des sorties de prédiction dans BigQuery, consultez la section Sorties de prédiction.
Scores de risque
Les scores de risque varient de 0 à 1. Un score plus élevé indique un risque plus élevé. Toutefois, les scores de risque ne doivent pas être interprétés directement comme une probabilité de blanchiment d'argent.
Les scores de risque sont générés pour un mois calendaire complet immédiatement avant le endTime spécifié (ou plusieurs si predictionPeriods est supérieur à un).
Un score de risque est calculé pour chaque partie et chaque mois.
Explicabilité
L'explicabilité de l'AML basée sur l'IA indique les comportements ou les caractéristiques (à l'aide de familles de caractéristiques) qui contribuent au score de risque d'une partie donnée. L'explicabilité couvre les parties à risque le plus élevé, y compris toutes les parties que vous devriez enquêter. L'explicabilité peut ne pas être incluse pour les clients à faible risque.
Familles de caractéristiques
Les familles de caractéristiques sont des ensembles de fonctionnalités d'AML basées sur l'IA, fournissant une catégorisation compréhensible par l'humain pour informer les enquêteurs et les équipes d'audit internes.
Chaque famille de fonctionnalités couvre un ensemble spécifique de comportements transactionnels ou de caractéristiques de partie. De plus, certaines familles de fonctionnalités ont un objectif spécifique, ce qui permet aux enquêteurs de savoir par où commencer. Exemples d'objectifs:
- Type de transaction concerné :
- Câble
- Espèces
- Vérifier
- Carte
- Autre
- Sens des transactions :
- Débit (sortant pour le groupe)
- Crédit (entrant pour la partie)
Valeur d'attribution de la famille de caractéristiques
Un score d'attribution est attribué à chaque partie à haut risque et à chaque famille de caractéristiques, indiquant la contribution de cette famille au score de risque de la partie. Une valeur positive élevée indique une forte contribution à l'augmentation du score de risque. De même, une valeur négative indique une contribution à la baisse du score.
Les familles de caractéristiques dont la valeur d'attribution positive est la plus élevée sont susceptibles d'être les plus pertinentes pour une enquête sur la fête.
Prenons les exemples de valeurs d'attribution suivants pour une partie spécifique:
| Famille de fonctionnalités | Valeur d'attribution |
|---|---|
| Activité de débit inhabituelle sur une carte | 0,4 |
| Mouvements de fonds rapides inhabituels | 0,8 |
| Activité inhabituelle de débit électronique | -0,2 |
Cet exemple peut être interprété comme suit:
- Le mouvement rapide de fonds du parti a contribué le plus à son score de risque élevé. Nous pourrions commencer par là.
- Les activités inhabituelles de débit par carte ont également contribué de manière significative. Elles doivent donc aussi être prises en compte.
- L'activité de prélèvement électronique de la partie a réduit le score de risque. Il est donc peu probable que cela nécessite une inspection.