مروری بر کاربرد یادگیری ماشین و یادگیری عمیق در استراتژی های ضد پولشویی ( AML)

بخش مالی دائما با جرائم مالی گوناگون مواجه است. بکارگیری یادگیری عمیق (DL) و یادگیری ماشین (ML) در استراتژی های ضد پولشویی به یک ضرورت تبدیل شده است. این مقاله نقش فناوری های ML و DL را در بهبود چارچوب های AML برای شناسایی و کاهش و جلوگیری از فعالیت های پولشویی بررسی می کند. یافته های این مطالعه بر اهمیت و ضرورت آموزش و توانمندسازی کارکنان موسسات مالی به جهت اطمینان از بکارگیری موثر استراتژی های AML با قدرت ML و DL نشان داد که فرهنگ آگاهی و پاسخگویی برای مدیریت خطرات مرتبط با جرایم مالی امری حیاتی است. در این مطالعه مشارکت های صنعتی، ابتکارات دولتی-خصوصی و اطلاعات تهدید به عنوان اجزای کلیدی در تقویت دفاع AML شناسایی می شوند. همچنین نشان می دهد که چگونه این فن آوری ها با تشخیص الگو و تشخیص ناهنجاری، فرآیندهای تصمیم گیری را بهبود و ارتقاء می دهند.

کلیدواژه ها:

پولشویی ، صنعت مالی ، یادگیری عمیق ، یادگیری ماشین