通过深度学习技术，本论文提出了一个实时的也门货币识别系统，旨在帮助视障人士辨识不同类型的也门货币。
Jun, 2024
本文尝试使用人工智能 / 机器学习应用程序为视力受损人士在埃塞俄比亚的使用货币场景提供解决方案。该移动应用程序可以扫描货币并在 Amharic 语言中告知其类型，旨在减轻埃塞俄比亚视力障碍人士的负担。该模型在数据集上实现了 98.9％的分类准确率。
Aug, 2022
这篇论文介绍了一个合成财务交易数据集生成器和一组合成的反洗钱数据集，该生成器已被校准以尽可能接近真实交易，并公开了数据集，可以用于比较不同的图神经网络在 AML 方面的能力。
Jun, 2023
通过机器学习算法，在两个公开数据集上进行实验分析，研究了如何检测和区分真假新闻，结果表明采用了三种分类器：被动型侵略性、朴素贝叶斯和支持向量机，这种方法具有良好的性能表现。
Jan, 2022
使用机器学习技术和过采样技术来识别银行 ATM 诈骗交易，并引入可解释的人工智能和因果推断来进行进一步研究。
Nov, 2022
本文提出一种半监督图学习方法，用于识别潜在的洗钱节点，实验结果表明该方法可以从真实和合成交易图中检测出洗钱活动。
Feb, 2023
本研究着重研究使用机器学习检测银行信用卡欺诈的可扩展性。我们比较了现有的机器学习算法和方法与新提出的技术，并证明采用较少的比特数来训练机器学习算法将导致一个更具可扩展性，时间和成本更少的系统。
Jun, 2022
本研究介绍了澳大利亚联邦银行人工智能实验室开发的基于深度学习自然语言处理（NLP）模型的新系统，旨在识别和控制使用新支付平台非法通信、家庭暴力等行为，提高银行服务的安全性和稳定性。
Mar, 2023
该论文介绍了一种基于欠采样算法、K 最近邻算法和深度神经网络的新技术，用于识别信用卡欺诈交易，并通过表现评估表明，DNN 模型具有高精度（98.12%），具有较好的欺诈交易检测能力。
May, 2022
我们使用自然语言处理方法对 1876 条新闻数据进行预处理，通过训练模型将假新闻和真实新闻进行分类，最终通过 Naive Bayes 分类器得出 56% 的准确率和平均 32% 的 F1-macro 得分。
Sep, 2023