01
反洗钱概述
洗钱定义与危害 · 监管体系 · 金融机构义务 · 传统方法局限
基础监管
02
深度学习基础回顾
神经网络原理 · 激活函数 · 损失函数 · 优化器 · 正则化
理论MLP
03
反洗钱数据特征工程
交易数据清洗 · 特征构建 · 标签生成 · 不平衡处理
特征预处理
04
基于MLP的异常交易检测
多层感知机设计 · 训练评估 · 反洗钱实战案例
MLP检测
05
基于RNN/LSTM的交易序列建模
序列数据 · LSTM原理 · 交易流水序列化 · 模型调优
RNNLSTM
06
基于GNN的账户关系网络分析
图神经网络 · 转账图构建 · 节点分类 · 团伙识别
GNN网络
07
基于自编码器的无监督异常检测
自编码器原理 · 重构误差 · 未知洗钱模式发现
无监督AE
08
基于Transformer的时序异常检测
Transformer架构 · 自注意力 · 时间序列编码 · 适配
Transformer时序
09
模型解释性与可解释AI
SHAP · LIME · 特征重要性 · 监管合规要求
XAI合规
10
模型部署与实时推理
ONNX/TensorRT · Kafka+Flink · 延迟优化
部署实时
11
联邦学习在反洗钱中的应用
隐私保护 · 横向/纵向联邦 · 安全聚合 · 联合建模
联邦隐私
12
图异常检测进阶
GraphSAGE · GAT · 异构图 · 大规模采样
GNN进阶
13
时间序列特征工程进阶
滑动窗口 · 傅里叶变换 · 小波变换 · 模式挖掘
时序特征
14
强化学习在反洗钱策略优化中的应用
MDP · Q-learning · 策略梯度 · 动态阈值
RL策略
15
生成对抗网络(GAN)用于数据增强
GAN原理 · 表格数据生成 · 隐私合成
GAN增强
16
知识图谱在反洗钱中的应用
实体识别 · 关系抽取 · 图查询 · 复杂网络挖掘
知识图谱推理
17
多模态反洗钱分析
文本(交易备注) · 图像(证件) · 结构化融合
多模态融合
18
模型评估与验证
混淆矩阵 · PR/ROC曲线 · KS统计量 · 回测框架
评估验证
19
反洗钱规则引擎与AI模型的协同
规则引擎原理 · 规则与模型融合 · 决策流
规则协同
20
实时反洗钱系统架构设计
Lambda/Kappa架构 · 数据管道 · 高可用
架构实时
21
NLP在反洗钱文本分析中的应用
交易备注分类 · 实体抽取 · 关系抽取 · 风险信号
NLP文本
22
概念漂移与模型自适应
漂移类型 · 检测方法 · 在线学习 · 重训练策略
漂移自适应
23
反洗钱中的图聚类算法
Louvain · Leiden · 谱聚类 · 社区发现
聚类社区
24
深度学习模型的压缩与加速
知识蒸馏 · 剪枝 · 量化 · 轻量化网络
压缩加速
25
反洗钱中的时间序列预测
ARIMA · Prophet · LSTM预测 · 资金流动趋势
预测时序
26
模型风险管理(MMR)与AI治理
模型验证 · 偏差检测 · 公平性 · 监管审计
治理风险
27
基于深度学习的STR自动生成
报告模板 · 关键信息抽取 · 自然语言生成
NLGSTR
28
反洗钱中的对比学习
对比学习原理 · 正负样本 · 表征学习 · 少样本
对比表征
29
大规模图计算框架
DGL · PyG · 分布式训练 · 万亿级图处理
图计算大规模
30
反洗钱AI系统实战项目
需求分析 · 数据准备 · 模型选型 · 部署监控
实战全流程