A trading floor, rows of multi-monitor desks facing a curved video wall of market charts

金融

跨行詐欺偵測需要共同訓練模型,法務團隊卻拒絕共享原始交易。每一筆訓練貢獻,都有密碼學證明。

預約展示
總覽

詐欺情資共享。原始交易零共享。

相互競爭的機構不必交出任何一筆交易,就能共同訓練詐欺情資模型。當金檢人員質疑模型時,您的團隊調出的是可重現的密碼學證據——不是一份辯護備忘錄。

0共享的原始交易

跨行詐欺訊號經安全聚合計算——交易資料永遠不會被集中。

4已完成對應的框架

專為 FFIEC、FinCEN、NYDFS 500 與 GLBA 審查打造的執行期存證紀錄。

0更新可讀性

個別模型更新在密碼學上維持不可讀——連 STEAV 也讀不了。

4–6 週完成首次存證執行

第一個合作週期內,產出可供金檢的簽章執行紀錄。

金檢整備

金檢人員看到的,就是平台證明過的。

這並不取代您的模型風險框架。驗證需要哪些證據由您的框架決定,CID 則自動產出這些證據。原本為每個驗證週期重新拼湊模型歷史的工作,改在建置過程中完成。

FFIEC · SR 11-7 模型風險

經存證的評估與基準測試階段,順帶產出金檢人員索取的模型文件——是平台執行的自然副產物。

NYDFS Part 500

防竄改稽核日誌可支援稽核軌跡要求。任何取得權限的稽核人員都能獨立查驗。

GLBA

原始交易從不離開機構。安全聚合讓個別更新無法被讀取。

FinCEN · AML

跨機構圖學習,資料不集中:每項貢獻都有紀錄,客戶資料不共享。

安全聚合

相互競爭的機構。一個共享模型。零共享資料。

每家銀行在本地訓練;離開邊界的只有模型更新。安全聚合將它們合併,任何單一更新都無法被讀取,連 STEAV 也一樣。

聯邦 / 即時聚合中
參與機構
9
共享的原始紀錄
0
更新可讀
無
已記錄的貢獻
100%

適用場景

銀行實際的用法

應用情境
跨行詐欺偵測跨機構共享詐欺訊號,卻不共享任何一筆交易。
金融服務不足族群的信用評分更多機構帶來更廣的訊號,公平性指標也拿得出來給主管機關看。
AML 圖學習 · 文件 KYC跨機構的網路層級偵測,不必集中客戶紀錄。
建議部署方式安全 BYOC

在您的雲端邊界之內。

CID 原生執行於您的雲端帳戶內。客戶交易、模型權重與核心邏輯,從不觸及 STEAV 的基礎架構。

資料主權

絕對的網路隔離。客戶紀錄任何時刻都留在您的受監管邊界之內。

基礎架構

為自行維運 GPU 叢集的機構,提供託管與自管兩種選項。

成為合作夥伴

4–6 週完成第一次管線執行,8–12 週建立第一個生產環境聯邦。

啟動先導專案
與我們合作

金檢人員拿到的是證據,不是說法。

不必再彙整金檢卷宗。STEAV 在共享模型管線執行時記錄每一個步驟,金檢人員要什麼有什麼,不必額外投入工程人力。

先導專案包含什麼
✓在您雲端邊界內建置的專屬環境
✓您的第一份密碼學簽章執行紀錄
✓可用於真實金檢的證據匯出
✓專責 STEAV 工程師全程陪同至正式上線
第 0 週
範疇界定

我們與您梳理一條詐欺防治工作流程,並在您的雲端建置環境。

第 4–6 週
首次存證執行

一份可直接交給金檢人員的簽章執行紀錄。

第 8–12 週
生產環境聯邦

跨機構即時訓練上線,每次執行都產出證據。