شناسایی فعالیت های پولشویی در معاملات مالی با استفاده از روش های داده کاوی، قانون بنفورد و الگوریتم GANs

  • سال انتشار: 1401
  • محل انتشار: دوفصلنامه اقتصاد پولی ، مالی، دوره: 29، شماره: 24
  • کد COI اختصاصی: JR_DANESH-29-24_011
  • زبان مقاله: فارسی
  • تعداد مشاهده: 204
دانلود فایل این مقاله

نویسندگان

عالیه کاظمی

استاد مدیریت عملیات و علوم تصمیم، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

امیر مقدم فلاحی

کارشناس ارشد مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

علی ابدالی

استادیار دانشگاه علوم انتظامی امین، تهران، ایران

سارا آریائی

دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران

چکیده

امروزه پدیده پول شویی به تهدیدی جدی برای اقتصاد جهانی تبدیل شده است. روش های سنتی مقابله با پول شویی هزینه بر و ناکارآمد هستند. اخیرا تکنیک های داده کاوی گسترش پیدا کرده اند و به عنوان روش های مناسب برای کشف فعالیت های پول شویی مورد توجه قرار گرفته اند. هدف این تحقیق، استفاده از الگوریتم های داده کاوی در کشف موارد مشکوک به پول شویی با استفاده از داده های واقعی تراکنش های بانکی است که ممکن است نیاز به بررسی های بیشتر داشته باشند. تحلیل داده ها با استفاده از فرآیند CRISP-DM انجام شده است. جامعه آماری تراکنش های بانک و نمونه آماری تراکنش های مربوط به یکی از شعب بانک است. داده ها از بانک اطلاعاتی بانک مورد مطالعه جمع آوری شده است. برای انجام این کار از دو رویکرد استفاده شده است. در رویکرد اول با استفاده از الگوریتم k-میانگین ابتدا تراکنش های بانکی افراد خوشه بندی شده اند، سپس با استفاده از به کارگیری الگوریتم های کشف موارد مشکوک، تراکنش هایی که ممکن است مشکوک به پول شویی باشند مشخص گردیده اند. در رویکرد دوم، روشی نوین با به کارگیری قانون بنفورد و روش GANs برای کشف حساب هایی که در تراکنش های آن ها از ارقام ساختگی استفاده شده است و ممکن است مشکوک به پول شویی باشند معرفی شده است. رویکرد اول می تواند حساب هایی که در تراکنش های آن ها موارد پرت وجود دارد را با دقتی حدود ۹۳٪ درصد، و رویکرد دوم می تواند حساب های مشکوکی که در پنهان نمودن ارقام ساختگی در تراکنش های آن ها، از روش های حرفه ای استفاده نشده است را با دقتی حدود ۶۰٪ به درستی تشخیص دهد.

کلیدواژه ها

پول شویی, داده کاوی, الگوریتم k میانگین, الگوریتم GANs, قانون بنفورد

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.