تشخیص و پیشگیری از پولشویی با ترکیب یادگیری ماشین و گراف دیتابیس

پولشویی یکی از معضلات اساسی در نظام های مالی است که سالانه زیان های سنگینی به اقتصاد جهانی وارد می کند. با پیچیده تر شدن روش های انتقال غیرقانونی وجوه، نیاز به راهکارهای هوشمند برای شناسایی این فعالیت ها افزایش یافته است. در این تحقیق، رویکردی ترکیبی مبتنی بر یادگیری ماشین و گراف دیتابیس برای شناسایی و پیشگیری از پولشویی ارائه شده است. گراف دیتابیس با نمایش ارتباطات پیچیده میان حساب ها، اشخاص و تراکنش ها، امکان تحلیل ساختار شبکه ای جرائم مالی را فراهم می آورد، در حالی که مدل های یادگیری ماشین با تحلیل الگوهای رفتاری، فعالیت های مشکوک را شناسایی می کنند. ترکیب این دو ابزار قدرتمند، سیستم هایی کارآمد و دقیق برای مقابله با پولشویی فراهم می سازد. نتایج تجربی نشان می دهند که این روش می تواند با دقت بالا رفتارهای مشکوک را شناسایی کرده و در پیشگیری از جرائم مالی نقش موثری ایفا کند.

کلیدواژه ها:

پولشویی ، یادگیری ماشین ، گراف دیتابیس