Hybrid deep learning for anti-money laundering: Unsupervised detection of emerging schemes via feature fusion and explainable artificial intelligence

Traditional rule-based anti-money laundering (AML) transaction monitoring systems suffer from high false-positive rates and rigidity in detecting complex emerging risk. This limitation has prompted changes to the Financial Action Task Force (FATF) recommendation 16, mandating the use of advanced sys...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Cosmas Ochieng Kungu, Kennedy Senagi, Evans Omondi
Format:	Artigo
Język:	Inglês
Wydane:	Elsevier 2026-03-01
Seria:	Machine Learning with Applications
Hasła przedmiotowe:	Anomaly detection Deep learning Feature fusion Financial crime Prioritisation
Dostęp online:	http://www.sciencedirect.com/science/article/pii/S2666827026000216
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!