Vývoj a vyhodnocovaní frameworku pro automatizované hodnocení směrovacích modelů SWIFT zpráv

Abstract

Směrování zpráv SWIFT se posouvá od statických pravidel ke strojovému učení, ale banky nemají systematické metody k ověření takových nedeterministických modelů před jejich implementací do výroby. Tato práce vytváří automatizovaný testovací rámec, který vytváří realistické zprávy SWIFT, spouští jakýkoli kontrolovaný klasifikátor a poskytuje klasifikační metriky. Šablonový engine přináší omezenou variabilitu zpráv ISO 15022; volitelná generace AI vylepšuje jazykové variace. Systém udržuje všechny předpovědi, vstupy a skóre spolehlivosti v relačním schématu a má podporu pro reprodukovatelné běhy prostřednictvím CLI. Rámec je open source a lze jej začlenit do kanálů CI, což bankám umožňuje otestovat model a shodu před zpracováním živých finančních prostředků.

SWIFT message routing is shifting from static rules to machine learning, but banks do not have systematic methods to verify such non-deterministic models before implementing them in production. This thesis builds an automated testing framework that produces realistic SWIFT messages, executes any supervised classifier, and provides classification metrics. A template engine brings in restricted variability into ISO 15022 messages; optional AI generation enhances language variation. The system maintains all the predictions, inputs, and confidence scores in a relational schema and has support for reproducible runs through a CLI. The framowork is open source and can be incorporated into CI pipelines, enabling banks to test model and compliance before processing live funds.