Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

银行反洗钱和防欺诈平台 Hawk AI 融资 1700 万美元

Posted on 2023-01-26

Hawk AI是一家为金融机构开发反洗钱 (AML) 和切向欺诈预防智能技术的德国公司,在 B 轮融资中筹集了 1700 万美元。

此前,Hawk AI 已经筹集了 1000 万美元,并在银行存款中新增了 1700 万美元,该公司表示计划加强其产品开发和全球扩张计划。 B 轮融资由 Sands Capital 领投,Picus Capital、DN Capital、Coalition 和 BlackFin Capital Partners 跟投。

据估计,每年有高达2 万亿美元的不义之财被洗白,占全球 GDP 的 5%,而这些非法利润中只有 1%被追回。这就是 Hawk AI 摆摊的地方。

Hawk AI 于 2018 年在慕尼黑成立,旨在通过云原生、模块化的 AML 监控系统改善银行和支付公司管理合规风险的方式,该系统承诺在其人工智能决策引擎中实现“最高水平的可解释性”,这对于审计和监管调查至关重要。

“金融机构和监管机构需要能够理解和信任人工智能驱动的决策,”Hawk AI 联合创始人兼首席执行官 Tobias Schweiger 告诉 TechCrunch。 “这种人工智能的完全可解释性是建立信任和接受的关键。”

Hawk AI:AML 交易监控,可解释的结果图片来源:Hawk AI

Hawk AI 提供支付筛选、客户筛选、交易监控、交易欺诈和客户风险评级等产品,允许其客户通过将静态数据(例如产品或地理数据)与动态数据(例如交易数据,如可疑活动报告)。

它的客户包括欧洲支出管理平台 Moss 、美国支付处理公司North American Bancard和巴西的Banco do Brasil Americas 。

黑盒子

除了Verafin 、 BAE Systems和Oracle等该领域的老牌企业外,该领域还有其他著名的新来者,包括金融欺诈独角兽 Feedzai和VC 支持的 Feature Space 。然而,Hawk AI 将其云原生凭证和 SaaS 业务模型作为其核心差异化因素之一,与许多传统参与者笨拙的本地部署相比。

但该公司热衷于强调其专注于解决人工智能和机器学习算法通常存在的“ 黑匣子”世界——理解算法做出特定决定的原因是关键,公司需要能够证明为什么一个客户被标记作为潜在的欺诈者。

Hawk AI:客户风险评级图片来源:Hawk AI

值得注意的是,其他异常检测软件确实可以深入了解导致标记的因素。但 Hawk AI 表示,其正在申请专利的技术还可以告诉用户正常行为的“预期范围”是多少,使用自然的人类语言为每个风险因素打分。该公司表示,这种背景对于评估案件是否属于可疑活动至关重要。

“对于 Hawk AI 来说,可解释性由两个方面组成,”Schweiger 说。 “AI 驱动的个人决策的理由是什么?有助于 AI 的算法是如何开发的?合规官需要对两者都保持透明。”

银行反洗钱和防欺诈平台 Hawk AI 融资 1700 万美元作者: Paul Sawers最初发表于TechCrunch

原文: https://techcrunch.com/2023/01/26/hawk-ai-an-anti-money-laundering-and-fraud-prevention-platform-for-banks-raises-16m/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Alin Panaitiu
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brent Simmons
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Slava Akhmechet
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2026 搞英语 → 看世界 | Design: Newspaperly WordPress Theme