Framework di Rilevamento Frodi AI Integra le Normative Bancarie Statunitensi

È stato introdotto un nuovo framework volto a migliorare il rilevamento delle frodi finanziarie basato sull'IA nelle banche statunitensi, che incorpora principi provenienti da varie linee guida normative. Il framework RGF-AFFD adotta una struttura di governance a tre livelli, semplificando lo sviluppo, la validazione e la supervisione dei modelli. I ricercatori hanno testato sei architetture utilizzando due set di dati sostanziali, con l'insieme LSTM+XGBoost che ha raggiunto un impressionante punteggio ROC-AUC di 0,9289 e un punteggio F1 di 0,6360, dimostrando un notevole rapporto costi-benefici di 6 a 1. Tra i modelli, XGBoost ha mostrato una stabilità superiore nel tempo attraverso valutazioni che includevano ablation, drift, interpretabilità SHAP e approfondimenti sui principi di equità secondo gli standard BISG.