تشخیص پولشویی در بانکداری هوشمند با استفاده از مدل مخفی مارکوف مبتنی بر استنتاج فازی

ظهور بانکداری الکترونیکی موجب تغییر در انجام ارتباطات، عملیات و تراکنشهای بانکی شده است. از این رو سوءاستفاده کنندگان با ارتکاب اعمال مجرمانه تالش می کنند در فاصله زمانی کوتاه ثروت هنگفتی به دست آورند، به گونه ای که پس از ارتکاب جرم و به دست آوردن پول های قابل ملاحظه از این طریق، در پی پوشاندن اعمال غیرقانونی خود، پول کثیف را به عنوان پول قانونی و پاک وارد چرخه اقتصاد کنند که به این عمل پولشویی گفته می شود. حجم بالای تراکنش های موجود در بانک ها قطعا دلیل اصلی پیچیدگی شناسایی این مجرمان به صورت سنتی است. هوش مصنوعی یکی از تکنیک هایی است که می تواند در این زمینه کمک نموده و راهگشای کار باشد. در این پژوهش با استفاده از داده هایی که توسط دیتاست بین المللی استفاده شده است سعی بر این شد که مدل پیشنهادی تمرکز روی شناسایی معاملات مشکوکی قرار دهد که در بانک ها احتمال وقوع آن نسبت به عوامل دیگر بیشتر باشد. در این مدل از مدل مخفی مارکوف برای ساخت ماشین یادگیری استفاده شده است. این تحقیق به وسیله نرم افزار متلب پیاده سازی شده است. در این روش با در نظر گرفتن داده ها و محدودیت ها، تمام ویژگی های تراکنش ها بررسی شد و با استفاده از شناخت تجربیات و نظرات مقالات قبلی، چند ویژگی مهم برای انجام این پژوهش انتخاب شد. این ویژگی ها که تاثیر زیادی در شناسایی معاملات مشکوک دارند به دو دسته تقسیم می شوند. دسته اول شامل تراکنش، سطح جرم، تاریخ و دسته دوم رفتارهای مالی مشتری می باشد. نتایج آزمایشگاهی با داده های تصادفی نشان می دهد که روش پیشنهادی به شناسایی تشخیص پولشویی به طور موثر کمک می کند و نسبت به سایر روش های ارائه شده نرخ خطای کمتر و نرخ دقت بیشتری دارد.

کلیدواژه ها:

تشخیص پولشویی ، استنتاج فازی ، مدل مخفی مارکوف ، بانکداری هوشمند