Cette page décrit les sorties de prédiction résultant de la requête des prédictions d'AML basée sur l'IA.
Pour connaître 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 d'activité de blanchiment d'argent.
Les scores de risque sont produits pour un (ou plusieurs si
predictionPeriods
supérieure à un) mois calendaires complets précédant immédiatement
endTime
Un score de risque est calculé pour chaque partie et chaque mois.
Chaque prédiction et explication produite est associée à un risk_period_end_time à minuit après la fin du mois calendaire complet.
Par exemple, si predictionPeriods= 12 et endTime= 2022-01-01T00:00:00Z, l'IA AML crée des scores de risque et une explicabilité pour chaque mois de 2021. Une prévision avec une valeur risk_period_end_time de 2021-02-01T00:00:00Z représente la prévision du client pour le mois de 01/2021.
Explicabilité
L'explicabilité de l'AML basée sur l'IA indique quels comportements ou caractéristiques (à l'aide de familles de caractéristiques) ; contribuent au score de risque d'une partie donnée. L'explicabilité couvre les aspects les plus les parties à risque, y compris toutes celles que vous enquêteriez. L'explicabilité peut ne pas être incluse pour les clients à faible risque.
Familles de caractéristiques
Les familles de caractéristiques sont des collections de fonctionnalités d'IA de lutte contre le blanchiment d'argent associées. Elles fournissent une catégorisation compréhensible par l'humain pour informer les enquêteurs et les équipes d'audit interne.
Chaque famille de fonctionnalités couvre un ensemble spécifique de comportements transactionnels ou de caractéristiques des parties. De plus, certaines familles de caractéristiques ont un objectif spécifique, permettant aux enquêteurs de savoir par où commencer. Voici quelques exemples de sujets ciblés:
- Type de transaction :
- Virement
- Espèces
- Vérifier
- Carte
- Autre
- Sens des transactions :
- Débit (sortant pour le groupe)
- Crédit (entrant pour le participant)
Valeur d'attribution pour 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 la famille de caractéristiques au score de risque tiers. Une valeur positive élevée indique une forte contribution à l'augmentation du risque le score. De même, une valeur négative contribue à faire baisser la le score.
Les familles de fonctionnalités dont la valeur d'attribution positive est la plus élevée sont probablement les plus pertinentes pour une enquête sur le parti.
Prenons les exemples de valeurs d'attribution suivants pour une partie spécifique:
| Famille de fonctionnalités | Valeur d'attribution |
|---|---|
| Activité inhabituelle sur votre carte de débit | 0,4 |
| Mouvement rapide et inhabituel des fonds | 0,8 |
| Opérations inhabituelles de débit électronique | -0,2 |
Cet exemple peut être interprété comme suit:
- Le transfert rapide de fonds par le parti a contribué le plus à son score de risque élevé. Une enquête peut alors être lancée.
- Les transactions inhabituelles sur une carte ont également contribué de manière significative. également être pris en compte.
- L'activité de débit par virement du tiers a en fait réduit le score de risque. Il est donc peu probable que cette activité nécessite un examen.