تکنیک های تشخیص وبررسی جرایم پولشویی با ترکیب روش های یادگیری و تحلیل گراف جریان مالی

امروزه حجم زیادی از اطلاعات به صورت های مختلف ومخصوصا تراکنش های مالی در بانک ها نگه داری می شود. با گسترش بانک های اطلاعاتی و سهولت بیشتر درج اطلاعات، حجم اطلاعات بیش از پیش افزایش یافته است. اینامر در کنار نقاط مثبت دسترسی پذیری اطلاعات، موجب ناتوانی در کشف دستی رفتارهای غیر قانونی و جرایم مالی می شود. با توجه به سرعت محیط، تحلیل دستی اطلاعات بیش از بیش دشوارشده و کشف ناهنجاری ها باید با سرعت همراه باشد. رویکردها و سامانه های تحلیلی می توانند فرآیند پاسخ را تسهیل و تسریع نمایند. سیستم های تصمیم یار هوشمند نوعی از سیستم های اطلاعاتی هستند که به تصمیم گیری کمک کرده و در این راستا از روش های یادگیری و تحلیل خودکار اطلاعات استفاده می کنند. دسترسی به موقع به داده های قابل اتکا، تصمیم گیری های کاربردی، بهبود کارایی واثربخشی، کاهش هزینه های عملیاتی، اطمینان از الزامات قانونی و به حداقل رساندن ریسک از جمله موارد مثبتی است که با ایجاد چنین سیستمی می توان به آنها دست یافت. با توجه به حجم بالای تراکنش های مالی روزانه در بانک ها و موسسات مالی وجود سیستم های مکانیزه بسیار ضروری می باشد. روش های شناسایی پولشویی در این سیستم ها معمولا مبتنی بر قواعد می باشد که شامل مجموعه ای از قواعد از پیش تعریف شد و مقادیر آستانه ای است. علاوه بر این روش، تکنیک های داده کاوی برای کشف الگوهای پولشویی و تشخیص رفتارهای نامتعارف بسیار مناسب می باشند. با توجه اینکه مصداق های پولشویی مدام در حال تغییر بوده و پولشویان از روش های جدیدتری استفاده می کنند تحلیل و تشخیص خودکار جرایم مالی (نظیر پولشویی) با استفاده از روش های یادگیری و تحلیل گراف می باشد. دو بخش توامان دراین مقاله وجود دارد که به صورت مشترک برای تشخیص جرایم مالی به کار می روند. در بخش یادگیری، می توان از مجموعه وسیعی از ویژگی ها استفاده نمود.

Keywords:

پولشویی , گراف جریان های مالی , روش یادگیری , الگوهای تشخیص پولشویی